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(bào)或認(rèn)領(lǐng)
文檔簡介
1、個(gè)性化推薦技術(shù)的廣泛利用大大提高了用戶與網(wǎng)站的交互能力,不但使得網(wǎng)站能夠精準(zhǔn)的推薦給用戶有效的信息,還能夠使用戶在更短的時(shí)間內(nèi)發(fā)現(xiàn)對自己有價(jià)值的信息,引起了商業(yè)界和學(xué)術(shù)界的廣泛關(guān)注和深入研究。因子分解技術(shù)作為典型的基于模型的推薦方法,也是推薦領(lǐng)域的研究熱點(diǎn)?;谝蜃臃纸獾耐扑]方法在預(yù)測準(zhǔn)確的同時(shí)保持了良好的可擴(kuò)展性,且在多種真實(shí)情景應(yīng)用中均有良好的可適應(yīng)性。
在此背景下,本文對基于因子分解模型的推薦技術(shù)展開了細(xì)致的研究,取得的
2、主要成果有:
(1)以傳統(tǒng)的在用戶-項(xiàng)目評分矩陣上基于因子分解的推薦方法為出發(fā)點(diǎn),提出了基于關(guān)系圖鄰接矩陣低秩逼近的模型。從用戶和項(xiàng)目的相似性空間一致性角度出發(fā)分別對兩個(gè)特征矩陣進(jìn)行約束,在保持高維表征空間與低維隱性空間的一致性關(guān)系的同時(shí),可以一定程度上避免局部過擬合問題,有效地提高了基于關(guān)系圖的協(xié)同過濾推薦系統(tǒng)的性能;
(2)傳統(tǒng)方法將標(biāo)簽信息作為用戶偏好模型的偏向性指導(dǎo),只對評分矩陣進(jìn)行小范圍調(diào)整,而本文則進(jìn)一步
3、挖掘標(biāo)簽信息,提出融合標(biāo)簽信息的因子分解推薦方法,將標(biāo)簽信息又細(xì)分為用戶-標(biāo)簽信息和項(xiàng)目-標(biāo)簽信息,并映射到低維空間分別對用戶特征矩陣和項(xiàng)目特征矩陣作約束,不僅可以增加數(shù)據(jù)多樣性,緩解數(shù)據(jù)高維且稀疏帶來的計(jì)算問題,而且使推薦結(jié)果更加個(gè)性化;
(3)提出了強(qiáng)化用戶畫像區(qū)分度的推薦方法,將聚類信息應(yīng)用到矩陣因子分解的推薦方法中,產(chǎn)生的用戶畫像與用戶隱特征矩陣作約束,強(qiáng)化了用戶畫像的區(qū)分度,產(chǎn)生一定的修正效果,使得其更符合用戶特征偏
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(shí)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
- 基于因子分解機(jī)的音樂推薦算法研究.pdf
- 基于矩陣分解模型的推薦算法研究.pdf
- 基于信任關(guān)系的矩陣分解推薦模型研究.pdf
- 基于圖像分解模型的模糊掌紋識別技術(shù)研究.pdf
- 基于模型基元分解的目標(biāo)立體構(gòu)建技術(shù)研究.pdf
- 基于圖模型的個(gè)性化推薦技術(shù)研究.pdf
- 基于隱因子的邏輯回歸推薦模型研究.pdf
- 基于主題矩陣分解模型的新聞推薦算法研究.pdf
- 基于圖模型的協(xié)同過濾推薦技術(shù)研究.pdf
- 基于矩陣分解的個(gè)性化信息流推薦技術(shù)研究.pdf
- 基于圖模型的個(gè)性化標(biāo)簽推薦技術(shù)研究.pdf
- 基于矩陣分解的推薦系統(tǒng)模型和算法改進(jìn)研究.pdf
- 基于二重分解的上下文預(yù)過濾推薦技術(shù)研究.pdf
- 基于用戶興趣模型的社交網(wǎng)絡(luò)好友推薦技術(shù)研究.pdf
- 基于矩陣隱特征分析的推薦模型關(guān)鍵技術(shù)研究.pdf
- 基于搜索的代碼推薦技術(shù)研究.pdf
- 基于模式分解的MIMO天線技術(shù)研究.pdf
- 基于用戶興趣模型的個(gè)性化推薦引擎技術(shù)研究.pdf
- 基于托攻擊檢測和矩陣分解模型的可信推薦算法研究.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
評論
0/150
提交評論