遷移社交網絡的交叉推薦算法研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩79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、推薦系統(tǒng)被認為是大數(shù)據(jù)時代最有效的信息過濾技術。個性化推薦不僅在商業(yè)領域產生了巨大的經濟價值,同時也具有重要的社會意義。雖然個性化推薦技術在學術和工業(yè)界取得了顯著的成果,但是當前的推薦系統(tǒng)仍然面臨兩個瓶頸問題:數(shù)據(jù)稀疏性問題和“冷啟動”問題。交叉推薦利用遷移學習與目標推薦系統(tǒng)類似的系統(tǒng)數(shù)據(jù)的“知識”,成為了解決這兩大難題的新思路。
  本文從交叉用戶的行為出發(fā),對經典的協(xié)同過濾算法和交叉推薦算法進行了改進,研究了數(shù)據(jù)域特征對交叉推

2、薦算法的影響。具體研究工作如下:
  1、提出一種基于協(xié)同過濾的交叉推薦算法。該算法的核心思想在于,將交叉用戶在輔助系統(tǒng)領域的行為信息作為“橋梁”,通過簡單耦合交叉用戶的相似度,將輔助系統(tǒng)領域的“知識”遷移到目標推薦系統(tǒng)當中,從而充實目標系統(tǒng)的用戶信息,幫助該目標系統(tǒng)完成推薦工作。通過真實數(shù)據(jù)集上的仿真實驗,結果表明該算法較經典的推薦算法在準確率方面有一定的提升作用。
  2、實現(xiàn)了一種遷移交叉用戶的交叉推薦算法。該算法將目

3、標和輔助系統(tǒng)領域的數(shù)據(jù)進行簡單混合,再通過遷移學習這些系統(tǒng)領域中共享的用戶打分模式,幫助目標系統(tǒng)領域進行推薦。本文實現(xiàn)了該算法,并在有交叉用戶的輔助域和目標域數(shù)據(jù)集上進行實驗,對推薦效果的準確性進行驗證。通過和傳統(tǒng)方法對比,說明了此方法在提升推薦準確性方面有一定的有效性。
  3、提出了兩種選擇合適輔助域的度量指標。分別從用戶打分分布和交叉用戶的影響兩方面考慮,提出了KL散度和用戶置信度兩個指標,對輔助域特征進行刻畫。通過在真實數(shù)

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