基于評論和評分的個性化推薦算法研究.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、作為最成功的推薦技術，傳統(tǒng)協(xié)同過濾算法的核心是從用戶對產品的評分中計算用戶相似度或者產品相似度，進而基于相似用戶或者相似產品的評分預測目標用戶可能的評分并產生推薦。但是在實際應用中，存在著數據稀疏性的問題，即大多數用戶只給出少量的評分。在這種情況下，傳統(tǒng)的基于評分的協(xié)同過濾算法并不能產生令人滿意的推薦效果。
　　 為此，本文提出了一個新的基于主題模型的協(xié)同過濾推薦系統(tǒng)和兩個推薦算法，分別是基于主題模型和用戶的協(xié)同過濾算法以及基于

2、主題模型和產品的協(xié)同過濾算法。
　　 基于主題模型的方法，首先對用戶評論進行處理，計算評論的主題概率分布，表示用戶對產品不同特征的偏好。其次在基于主題模型和用戶的協(xié)同過濾算法中，綜合了每個用戶給出的所有評論的主題概率分布，計算用戶最重視特征，表示用戶最重視的產品特征?；谟脩糇钪匾曁卣?，計算用戶相似度。然后，根據相似用戶的評分預測目標用戶可能的評分。在基于主題模型和產品的協(xié)同過濾算法中，也綜合了每個產品得到的所有評論的主題概率分

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(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