版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、當(dāng)前互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展給廣大用戶帶來了大量的信息,滿足了用戶了解世界的需求。但是,各種鋪天蓋地的信息使得用戶越來越難檢索出自己感興趣的信息,出現(xiàn)了所謂的“信息超載”現(xiàn)象。個(gè)性化推薦技術(shù)是解決該問題的有效途徑,它通過分析用戶的檢索信息操作建立用戶興趣模型,主動(dòng)向用戶推薦其可能感興趣的信息,而無需用戶主動(dòng)提供任何輸入。在推薦技術(shù)的研究領(lǐng)域中,協(xié)同過濾算法是當(dāng)前最為成熟、應(yīng)用最為廣泛的一種技術(shù)。本文針對(duì)協(xié)同過濾算法展開了深入細(xì)致的分析和探討
2、,設(shè)計(jì)了一種混合協(xié)同過濾算法,并基于此算法搭建了一個(gè)電影推薦系統(tǒng),為用戶推送其感興趣的影片。
本文主要完成的工作:首先分析研究基于用戶、基于項(xiàng)目和Slope One這三種協(xié)同過濾算法。通過比較研究發(fā)現(xiàn),Slope One算法不僅易于實(shí)現(xiàn)、效率高,且具有推薦結(jié)果準(zhǔn)確度較高的特點(diǎn)。但是,Slope One算法的不足之處是不能很好的處理不同用戶的個(gè)性化推薦。為了解決該問題,本文提出了一種將用戶相似性和SlopeOne算法相結(jié)合的協(xié)同
3、過濾算法。該算法的核心思想是定義用戶相似模型,計(jì)算出用戶間的相似系數(shù),將用戶間平均相似性作為Slope One算法的權(quán)值計(jì)算預(yù)測(cè)評(píng)分,最后根據(jù)預(yù)測(cè)所得評(píng)分值為用戶給出推薦。同時(shí)在查找近鄰用戶時(shí)本文設(shè)計(jì)了一種動(dòng)態(tài)閾值的查找方法。為了解決海量數(shù)據(jù)時(shí)計(jì)算復(fù)雜度的問題,本文基于分布式框架提出將該混合協(xié)同過濾算法并行化的方案。通過理論分析和在標(biāo)準(zhǔn)的MovieLens數(shù)據(jù)集的實(shí)驗(yàn)可以看出,本文設(shè)計(jì)的混合協(xié)同過濾算法可以有效提高個(gè)性化推薦系統(tǒng)的推薦準(zhǔn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于協(xié)同過濾視頻推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾算法的推薦系統(tǒng)框架設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾混合推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 協(xié)同過濾推薦算法的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 微博協(xié)同過濾推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Hadoop的協(xié)同過濾推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于改進(jìn)協(xié)同過濾的推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于Hadoop的協(xié)同過濾推薦算法的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾算法的推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾算法的網(wǎng)站推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾的酒店推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾的視頻推薦系統(tǒng).pdf
- 基于協(xié)同過濾的景點(diǎn)推薦WebGIS平臺(tái)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾算法的個(gè)性化推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾的分布式電影推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 推薦系統(tǒng)中協(xié)同過濾算法的研究與實(shí)現(xiàn).pdf
- 基于標(biāo)簽與協(xié)同過濾的淘書吧推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的混合協(xié)同過濾推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于協(xié)同過濾的網(wǎng)絡(luò)電視推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于用戶協(xié)同過濾推薦技術(shù)的研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論