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、隨著社會(huì)從 IT時(shí)代邁向 DT時(shí)代,人們每天面對(duì)的信息呈爆炸般增長(zhǎng),信息過載已經(jīng)成為困擾行業(yè)發(fā)展的一大阻礙。特別是在電子商務(wù)領(lǐng)域,面對(duì)琳瑯滿目的商品,用戶卻不得不花費(fèi)更多的時(shí)間來尋找自己中意的商品。推薦系統(tǒng)的發(fā)展有效彌補(bǔ)了這種缺陷,其中協(xié)同過濾推薦算法的研究更是取得了巨大成功。但是隨著商品越來越多,用戶-項(xiàng)目評(píng)分矩陣越變?cè)较∈瑁瑐鹘y(tǒng)的協(xié)同過濾推薦算法推薦精度受到比較大的影響。另外,受單機(jī)性能的制約,面對(duì)海量數(shù)據(jù)傳統(tǒng)協(xié)同過濾推薦算法的計(jì)算
2、效率以及可擴(kuò)展性也面臨著嚴(yán)峻挑戰(zhàn)。
本文詳細(xì)研究了協(xié)同過濾推薦算法的數(shù)據(jù)稀疏性問題以及隨著數(shù)據(jù)量增長(zhǎng)可擴(kuò)展性較差的問題,并針對(duì)這兩個(gè)問題從改進(jìn)相似度計(jì)算方法改善數(shù)據(jù)稀疏性和采用分布式編程算法提高算法可擴(kuò)展性兩個(gè)角度改善推薦質(zhì)量。
第一,用戶評(píng)價(jià)數(shù)過少導(dǎo)致用戶-項(xiàng)目評(píng)分矩陣極度稀疏,降低了協(xié)同過濾推薦算法的推薦精度。本章從項(xiàng)目的評(píng)分向量整體分布情況出發(fā),提出了輔助因子相似度的概念,并將輔助因子相似度與基于項(xiàng)目的傳統(tǒng)的相
3、似度方法進(jìn)行融合,提出了融合輔助因子的協(xié)同過濾推薦算法。在項(xiàng)目共同評(píng)分?jǐn)?shù)據(jù)很少的情況下,改善了推薦精度不足的問題。實(shí)驗(yàn)證明,本章算法可以有效的緩解數(shù)據(jù)稀疏性,提高推薦精度。
第二,針對(duì)傳統(tǒng)單機(jī)的協(xié)同過濾推薦算法隨著數(shù)據(jù)集增長(zhǎng)可擴(kuò)展性較差的問題,本章實(shí)現(xiàn)了基于Hadoop分布式平臺(tái)的協(xié)同過濾推薦算法。計(jì)算用戶偏好向量和共現(xiàn)矩陣的乘積來得到推薦向量,通過動(dòng)態(tài)增添集群節(jié)點(diǎn)改善算法的可擴(kuò)展性。計(jì)算矩陣乘時(shí)放棄傳統(tǒng)的矩陣乘法,采用一種改
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(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
- 協(xié)同過濾算法中數(shù)據(jù)稀疏性問題研究.pdf
- 協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)稀疏性問題研究.pdf
- 基于協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)稀疏性問題研究.pdf
- 基于數(shù)據(jù)稀疏性的協(xié)同過濾推薦算法研究.pdf
- 基于Spark的可擴(kuò)展的協(xié)同過濾推薦算法研究.pdf
- 協(xié)同過濾推薦算法的關(guān)鍵性問題研究.pdf
- 基于標(biāo)簽的協(xié)同過濾稀疏性問題研究.pdf
- 協(xié)同過濾系統(tǒng)的數(shù)據(jù)稀疏性問題研究.pdf
- 面向數(shù)據(jù)稀疏的協(xié)同過濾推薦算法研究.pdf
- 面向數(shù)據(jù)稀疏問題的協(xié)同過濾推薦算法改進(jìn)研究.pdf
- 協(xié)同過濾推薦系統(tǒng)中稀疏性數(shù)據(jù)的算法研究.pdf
- 協(xié)同過濾算法中稀疏問題的研究.pdf
- 協(xié)同過濾中數(shù)據(jù)稀疏問題與推薦實(shí)時(shí)性的研究.pdf
- 互聯(lián)網(wǎng)測(cè)量系統(tǒng)可擴(kuò)展性問題及其關(guān)鍵算法研究.pdf
- 基于最大熵模型解決協(xié)同過濾稀疏性問題研究.pdf
- 基于預(yù)測(cè)置信度的協(xié)同過濾稀疏性問題研究.pdf
- 基于MapReduce的可擴(kuò)展協(xié)同過濾算法的研究.pdf
- 統(tǒng)計(jì)視角下面向數(shù)據(jù)稀疏問題的協(xié)同過濾推薦算法研究.pdf
- 針對(duì)稀疏性的協(xié)同過濾優(yōu)化算法研究.pdf
- 協(xié)同過濾推薦算法研究.pdf
評(píng)論
0/150
提交評(píng)論