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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著信息過載的產(chǎn)生,在越來越開放的互聯(lián)網(wǎng)中,想要獲取我們真正需要的信息變得越來越困難,個性化推薦的出現(xiàn)有效地解決了信息過載的問題,主動為用戶推薦其感興趣的信息和商品。協(xié)同過濾是個性化推薦中使用最廣泛的方法,但由于協(xié)同過濾通常只將用戶-項(xiàng)目評分作為推薦的唯一數(shù)據(jù)信息,因此存在冷啟動、數(shù)據(jù)稀疏等問題。
本文在一個結(jié)合主題模型(LDA)和矩陣分解模型(PMF)的分層貝葉斯模型——協(xié)同主題回歸模型(CTR)的基礎(chǔ)上,使用其中的主題模型
2、對項(xiàng)目的標(biāo)簽信息進(jìn)行處理,并對概率矩陣分解模型進(jìn)行改進(jìn),不僅考慮用戶-項(xiàng)目的評分信息,還將用戶的信任關(guān)系、時間序列、項(xiàng)目的標(biāo)簽信息等其他對推薦具有影響的因素加入到模型中。用戶可以根據(jù)好友及其信任用戶的推薦選擇自己感興趣的商品,基于時間因素的用戶評價先后關(guān)系也會對用戶的選擇產(chǎn)生影響,將時間序列對用戶關(guān)系的影響與好友間的信任度線性融合并加入到PMF模型中,生成用戶潛在特征向量。此外用戶對項(xiàng)目定義的標(biāo)簽信息在一定程度上也可以反映用戶的偏好,因
3、此利用主題模型LDA處理項(xiàng)目的標(biāo)簽文本信息得到項(xiàng)目的潛在特征向量。最后將改進(jìn)的LDA和PMF模型的特點(diǎn)融合在CTR模型中,根據(jù)CTR模型的原理提出N-CTR模型,并采用梯度下降方法和最大期望算法最優(yōu)化用戶、項(xiàng)目潛在特征矩陣和主題分布向量,進(jìn)行評分預(yù)測。
在Last.fm數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果顯示混合了用戶信任關(guān)系、時間序列、項(xiàng)目標(biāo)簽信息和評分?jǐn)?shù)據(jù)等多因素的N-CTR模型的推薦準(zhǔn)確率MAE和RMSE比只采用用戶-項(xiàng)目評分?jǐn)?shù)據(jù)
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)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
- 基于時間權(quán)重的協(xié)同過濾推薦算法研究.pdf
- 混合時間序列模型的譜分析.pdf
- 結(jié)合用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 結(jié)合用戶背景信息的協(xié)同過濾推薦算法研究.pdf
- 基于回歸策略的推薦算法研究.pdf
- 融合時空特征的興趣點(diǎn)推薦算法研究.pdf
- 結(jié)合時間窗的用戶訪問興趣聚類分析.pdf
- 基于時間加權(quán)與評分預(yù)測的協(xié)同過濾推薦算法研究.pdf
- 融合時間因素的個性化推薦系統(tǒng)研究.pdf
- 時間感知的推薦算法研究.pdf
- 時間序列分類算法研究.pdf
- 金融時間序列的線性模型——自回歸
- 時間序列中回歸模型的診斷檢驗(yàn).pdf
- 基于物品相似度和主題回歸的矩陣分解推薦算法.pdf
- 結(jié)合信任機(jī)制和用戶偏好的協(xié)同過濾推薦算法.pdf
- 時間序列模式挖掘算法研究.pdf
- 時間序列頻域壓縮算法的研究.pdf
- 自回歸時間序列的加權(quán)分位數(shù)方法.pdf
- 單時間序列異常子序列檢測算法的研究.pdf
- 時間序列指數(shù)平滑算法的改進(jìn)研究.pdf
評論
0/150
提交評論