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),請進行舉報或認領(lǐng)
文檔簡介
1、信息技術(shù)和網(wǎng)絡(luò)的發(fā)展,數(shù)據(jù)日益增長,信息傳播速度加快,在給人們的生活生產(chǎn)帶來便利的同時,也出現(xiàn)了信息過載的負面影響。如何及時地從海量的數(shù)據(jù)中提取信息,成為人們關(guān)注的焦點問題。推薦系統(tǒng),作為一種信息過濾技術(shù),通過挖掘用戶的行為,找到用戶的個性化需要,可以在信息過載的環(huán)境下完成信息發(fā)掘以及信息推送,成為研究的熱點。
推薦算法是推薦系統(tǒng)的核心,其中,協(xié)同過濾推薦算法因其推薦精度高、可擴展性好,倍受學(xué)術(shù)界與工業(yè)界關(guān)注?;谠u分數(shù)據(jù)的推
2、薦問題是一類重要的應(yīng)用問題,研究者對推薦問題進行了深入的研究,提出了基于矩陣分解等有效的協(xié)同過濾算法。在基于矩陣分解的協(xié)同過濾算法中,在矩陣分解框架下嵌入用戶或物品間的局部相似性是改進推薦算法性能的有效途徑。為此,在矩陣分解框架下,研究者對如何嵌入用戶或物品間相似性進行了研究,但對矩陣分解和物品相似性聯(lián)合學(xué)習(xí)模型的構(gòu)建研究相對較少。因此,論文針對基于評分數(shù)據(jù)的推薦問題,圍繞物品間的局部相似性和矩陣分解聯(lián)合學(xué)習(xí)模型構(gòu)建展開研究,主要研究工
3、作如下:
1.提出了嵌入物品相似度約束的矩陣分解協(xié)同過濾算法(SI-GMF)。該算法假設(shè):(1)局部相似的物品具有相似的隱語義特征;(2)物品的相似度最優(yōu)解在已知物品相似度的某個鄰域內(nèi)。依此假設(shè),論文構(gòu)建出相應(yīng)的正則化項并嵌入到基于矩陣分解的協(xié)同過濾算法模型中,進而通過聯(lián)合學(xué)習(xí)得到有效的物品相似度和隱語義特征向量。實驗驗證了SI-GMF算法的有效性。
2.提出了基于圖構(gòu)建與矩陣分解的推薦算法(SO-GMF)。該算法假
4、設(shè):(1)局部相似的物品具有相似的隱語義特征;(2)物品與其近鄰物品之間都有一定的相似程度。依此假設(shè),SO-GMF算法通過圖來刻畫物品的近鄰相似度,通過熵約束來克服圖邊權(quán)的退化,進而構(gòu)建出局部保持和熵約束的正則化項并嵌入到基于矩陣分解的協(xié)同過濾算法模型中,以此聯(lián)合學(xué)習(xí)圖邊權(quán)和隱語義特征向量。實驗結(jié)果表明,SO-GMF算法提高了推薦的準確性。
3.提出了基于圖構(gòu)建與L1正則矩陣分解的推薦算法(SO-SGMF)。針對評分數(shù)據(jù)的稀疏
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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
- 基于矩陣分解的并行協(xié)同過濾算法研究.pdf
- 基于矩陣分解及其圖模型的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾和矩陣分解的推薦算法的研究與改進.pdf
- 基于核矩陣分解和魯棒估計的協(xié)同過濾推薦算法.pdf
- 基于遷移學(xué)習(xí)的協(xié)同過濾推薦算法研究.pdf
- 基于聯(lián)合相似度的協(xié)同過濾推薦算法研究.pdf
- 69735.基于標簽和評分聯(lián)合學(xué)習(xí)的協(xié)同過濾推薦算法研究
- 協(xié)同過濾算法研究.pdf
- 基于用戶聯(lián)合相似度的協(xié)同過濾推薦算法研究.pdf
- 基于評論與評分的協(xié)同過濾算法研究.pdf
- 基于奇異值和重組信任矩陣的協(xié)同過濾推薦算法的研究.pdf
- 基于hadoop的協(xié)同過濾算法的研究與實現(xiàn)
- 基于協(xié)同過濾算法的用戶喜好研究
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于資源時效的協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究.pdf
- 基于分層策略的協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于Hadoop的協(xié)同過濾算法的研究與實現(xiàn).pdf
評論
0/150
提交評論