小议基于协作过滤的个性化服务技术研究

小议基于协作过滤的个性化服务技术研究

ID:34791498

大小:1.39 MB

页数:50页

时间:2019-03-10

小议基于协作过滤的个性化服务技术研究_第1页
小议基于协作过滤的个性化服务技术研究_第2页
小议基于协作过滤的个性化服务技术研究_第3页
小议基于协作过滤的个性化服务技术研究_第4页
小议基于协作过滤的个性化服务技术研究_第5页
资源描述:

《小议基于协作过滤的个性化服务技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、Y1219568分类号TPl8密级垒珏重庆邮电大学硕士学位论文沦文题目塾士迹笠垫遇鲍仝:些垡丛釜垫盔盟窒英文题目!h曼§!旦亟YQf卫曼!§Q旦垦!i圣曼亟§旦!!i!量b垦!曼盟Q坠(题名和副题名)硕士研究牛红盈洼指导教师至国丛L趱论文提交日期垫!!笙i旦!!旦论文答辩H期2QQZ生§旦2日论文评阅人盈地盘丝丝叠垃煎丛堡鍪丝叠丞垡噬答辩委员会主席廛堕蝰塾援重压盔堂2007年5月29同重庆邮电大学硕士论文摘要当前,Web已成为人们获取知识和信息的一个不可或缺的重要途径。然而,随着Web信息的同益增加,人们不得不花费更多的时间来搜索、浏览自己所需的信息。“信息过量”和“信息饥饿”的矛盾同益凸

2、现出来。由于目前的搜索引擎不能满足不同背景、不同目的和不同时期人们的查询请求,个性化服务的需求越来越多。个性化服务能通过收集和分析用户信息来学习用户的兴趣和行为,实现主动推荐,从而满足不同用户的需求。论文围绕当前应用最为成功的个性化服务技术——协作过滤所面临的两个主要问题(数据的高维稀疏、算法的可扩展性)而展开,提出了一种新的推荐算法——基于资源项目类别的协作过滤算法(ICCF)。该算法在对资源项目进行分类的基础上,将传统协作过滤算法中用户对资源项目的评分转换为用户对资源项目依内容划分所属类别的平均评分,并对评分数据进行加权过滤预处理之后,运用K一平均聚类算法对用户聚类,然后在目标用户所在

3、的簇中寻找其最近邻居,根据最近邻居对资源项目的评分来产生目标用户的预测评分,从而产生推荐。运用协作过滤推荐算法常采用的标准测试数据集——MovieLcIls,对本文提出的ICCF算法进行了仿真实验测试。数据稀疏度实验结果表明,ICCF算法大大降低了数据的稀疏程度;扩展性实验结果表明,由于各簇中用户数明显低于总用户数,ICCF算法在目标用户所在的簇中寻找其最近邻居,比传统的协作过滤算法大大缩小了目标用户最近邻的查找范围,从而提高了算法的扩展性,而且聚类可以离线进行,满足了推荐系统实时性的要求。在不同的测试数据集上做预测精度的实验结果表明,ICCF算法在推荐质量上也优于传统的协作过滤推荐算法。

4、关键词:个性化服务.协作过滤,智能推荐,信息检索,Web搜索重庆邮电大学硕士论文AbstractCurrently,Webhasbecomeallintegralandimportantwaystoaccessknowledgeandinformation,However,withtheWeb’Sincreasing,peoplehavetospendmoretimetosearchandbrowsetheinformationtheyneed.’’Informationoverload”and”informationlack”hasbecomeabigproblemtobestudied

5、.AssearchenginesCannotmeetthedifferentbackgrounds,differentpurposesanddifferenttimesinpeople’Sinquiryrequest.Therearemoreandmoreneedsforpersonalizedservice.PersonalizedserviceCanprovideactiverecommendationandmeettheneedsofdifferentusersthroughcollectionandanalysistheirinformation.Thethesisisbeganw

6、iththetwomajorfacingproblemsofcollaborativefilteringwhichisthemostsuccessfulpersonalizedservicetechnologyadoptedtodate,thatis:sparsityofdataandsealabilityofalgorithm.Andthenproposesanewalgorithm·一collaborativefilteringbasedonitemcategory(ICCF).Onthefoundationofelassilyingitems.itconveysthetraditio

7、naluser’Sratingsintotheaverageratingsforcategoriesofitems.Afterweightedsifting,thenusesK-meanclusteringtoclusterusers,andfindsthenearestneighborsoftheactiveusersintheclustersthattheactiveuserslocatedin.Accordingt

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。