協同過濾技術在個性化資源推薦中的應用研究.pdf_第1頁
已閱讀1頁，還剩81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、隨著電子商務的迅猛發(fā)展，網絡資源信息也在不斷地膨脹。人們在享受網絡提供方便的同時，也承受著眾多資源信息同時呈現的壓力。為了更有效的提高網絡信息服務的質量，個性化推薦系統應運而生，協同過濾技術作為當前主流的推薦技術得到了人們廣泛的關注與研究。但是，目前個性化推薦技術尚未成熟，仍然面臨著一系列的挑戰(zhàn)。
　　 本文對個性化推薦系統以及相關推薦技術進行了較深入的比較研究，針對協同過濾技術中存在的稀疏性和可擴展性問題，在分析了現有的改進方

2、法基礎上，提出了新的改進方案。為了降低評分數據集的稀疏性問題，采用Slope One方法進行數據填充。面對填充后的高維評分數據，引入了PCA-SOM技術，通過PCA降維技術保證了評分數據的主要信息，再次進行SOM聚類縮小了最近鄰的搜索范圍。整個改進算法的過程采用離線模型進行，降低了在線推薦的時間復雜度，有效的改善了系統的可擴展性問題。通過在標準數據集上的實驗，結果顯示相較于傳統的協同過濾算法，改進的算法具有更高的預測精度，在一定程度上提

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