版權(quán)說(shuō)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、隨著網(wǎng)絡(luò)的發(fā)展,在音樂、購(gòu)物、閱讀、電影等方面,我們更加依賴網(wǎng)絡(luò)帶來(lái)的便利。隨著用戶數(shù)目的增加、新興產(chǎn)品的出現(xiàn),導(dǎo)致了系統(tǒng)所需存儲(chǔ)的數(shù)據(jù)量日益增加。在“數(shù)據(jù)過(guò)載”時(shí)代,如果能夠從大量數(shù)據(jù)中獲取有價(jià)值的信息,那么就能為用戶提供更好的服務(wù)。因此在電子商務(wù)、社交網(wǎng)絡(luò)、視頻網(wǎng)站等平臺(tái)上,個(gè)性化推薦技術(shù)的應(yīng)用受到了很多關(guān)注。
目前應(yīng)用最為廣泛的個(gè)性化推薦技術(shù)是協(xié)同過(guò)濾推薦技術(shù)。協(xié)同過(guò)濾推薦是通過(guò)分析用戶的歷史行為記錄得到用戶可能感興趣的
2、商品,從而為用戶進(jìn)行的推薦??紤]到用戶的興趣存在改變現(xiàn)象,而目前關(guān)于興趣遷移的協(xié)同過(guò)濾推薦都無(wú)法根據(jù)用戶的實(shí)際遺忘過(guò)程對(duì)項(xiàng)目賦予合適的權(quán)重,因此推薦也就不準(zhǔn)確。本文采用將艾賓浩斯遺忘曲線擬合后得到的非線性遺忘函數(shù)來(lái)描述用戶的興趣遷移,對(duì)此提出基于遺忘函數(shù)和用戶的協(xié)同過(guò)濾推薦改進(jìn)算法,即在計(jì)算相似度時(shí),加入遺忘函數(shù)因子來(lái)體現(xiàn)用戶興趣的變化。采用改進(jìn)算法在電影數(shù)據(jù)集MovieLens和EachMovie中分別進(jìn)行實(shí)驗(yàn)及評(píng)估,實(shí)驗(yàn)結(jié)果表明本文
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)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
- 基于用戶協(xié)同過(guò)濾推薦算法的研究.pdf
- 基于用戶行為協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶興趣的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶興趣偏移的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶興趣變化的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶動(dòng)態(tài)行為的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶評(píng)分和遺傳算法的協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶興趣和項(xiàng)目特性的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶的協(xié)同過(guò)濾推薦算法的改進(jìn)研究.pdf
- 基于用戶相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶聚類的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶喜好類型的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于混合用戶模型的協(xié)同過(guò)濾推薦算法研究
- 基于項(xiàng)目和用戶雙重聚類的協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶相似性的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶多維相似度的協(xié)同過(guò)濾推薦算法.pdf
- 基于多維用戶興趣模型的協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶聯(lián)合相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于混合用戶模型的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于云模型和用戶聚類的協(xié)同過(guò)濾推薦算法研究.pdf
評(píng)論
0/150
提交評(píng)論