基于推薦權重和動態(tài)可靠近鄰的協(xié)同過濾算法.pdf_第1頁
已閱讀1頁,還剩54頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、本文先是討論了推薦系統(tǒng)的興起的背景以及意義,進而詳細介紹了推薦系統(tǒng)的結構以及邏輯模塊,并對現(xiàn)有的各種推薦技術的特點進行了討論和對比。并針對推薦系統(tǒng)中常見的問題,提出了幾點改進思想,并設計實驗進行驗證,主要工作如下:
  1)傳統(tǒng)的協(xié)同過濾基于K近鄰算法。然而,為了滿足數(shù)量上的要求,K個近鄰中也會存在一些與目標對象相似度不高的個體,這將直接影響到推薦精度。因此我們需要定義兩個相似度的閾值以選取質量比較高的近鄰。一個用于用戶間相似度計

2、算的閾值,另一個用于產(chǎn)品間相似度計算的閾值。當一個對象和目標對象之間的相似度大于這個閾值,才會被選作為鄰居。
  2)皮爾森相似性系數(shù)的計算方法是存在弊端的,當兩組對象的交集很小的時候,采用皮爾森相似度計算方法計算出來的相似度會有很大誤差,因此我們在對相似度進行排序的過程中,提出一種推薦權重的概念,兩個項目交集越多,則兩者之間的推薦權重越高,排序也就越靠前,越具有推薦能力。
  3)針對項目和用戶的兩組動態(tài)近鄰,我們通過設定

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論