欢迎来到天天文库
浏览记录
ID:52409393
大小:2.29 MB
页数:67页
时间:2020-03-27
《基于可信相似度传递的协同过滤算法研究与应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、T工TLE:ResearchandApplicationofaCo1aborativeFi1teringAlgorithmbasedonTrustedSimi1arityPropagationAuthor:HuFuhuaSuperVisor:△曼垒Q:里!Q至:HQ卫gh坠垒鱼垒旦△璺璺Q:£!Q至:签至垒Q里至n兰h金旦gSub.ject:ComputerApplicationsTechn0109y一●___________________●●-__●_-_●_______________________■■-__■■___________●■■●_______■______●■●■____
2、_____●■●_______________________-_●__________●--___-_。■■■■_●一Col1ege:gQ堡乜堕主皇!§鱼i金旦Q金垒旦亟!金鱼h旦Q!QgYSubmittedDate:
3、I垒堡堕垒!Y星Q!!题。推荐系统是解决此类“信息超载"问题的有效方法,而协同过滤技术是在推荐系统中应用最广泛,效果最好的技术之一。但是协同过滤技术也面临着数据稀疏,冷启动,扩展性等问题。在对电子商务推荐系统及常见推荐技术的优缺点进行了深入分析的基础上,针对协同过滤算法中的数据稀疏问题,提出了基于可信相似度传递的协同过滤算法。首先介绍了在传统的基于用户的协同过滤算法中进行用户
4、信任建模的方法,然后提出了基于可信的相似度传递方法,并且将信任关系应用在预测用户对商品的评分过程中。实验证明,在评分数据稀疏的情况下,该算法较好地改进了基于用户的协同过滤算法的预测评分覆盖率和精确度。同时,将此算法运用在一个电子商务网站的推荐功能模块中,实现了商品的推荐功能,提高了顾客的满意度。关键词:推荐系统,协同过滤,信任,可信相似度传递e彘ctiVe啪yt0Solvesuch“I墒咖ationOVerlo础’probl锄锄dColl籼rativcFilteI-ingisoncofmcbeSt觚d诵delyusedtechnolo西esinreco衄endationSystems.Butc
5、ollaboratiVefilteringisals0f配ingdatasparsi饥coldstart,scalabilit)rando廿1er’issues.Basedont11ecomprehensiVe锄alysisofe—commerCerecomlnenda时onsystem觚dseVeralcommonrecommendationtecllIlolo西es’缸Iv撇ges甜lddisad、,戤1tages,weproposea11ewcollaboratiVefilte血galgoritllmbasedon蜘旺stedsimilarit)rpropagationfortlleda
6、tasparsit)rproblemofcoll址HDl.atiVefiltering.Firstweintrodllceawayt0builduser仇lstmodeliIlmemlditionaluser-basedcollaborativefilteringalgoritlml,andtllen印plied廿1is由mstrelationslliptotlleprocessesofsiIIlilaritypropagationandratingprediction.Experimentsshow廿latill廿lec嬲eofsparSerartingC瞰≈tllea190rithmcan
7、improVe廿lecoVer习喀e锄daCcuraCyoft量lepredictadratmg.MemIWtlile,weuseⅡlisalgorithminareco加mendationmoduleofane-commercesite.WitlltlleRmctionofproductrecomInendation,weimproVecl】Stomers’satis白ction.K哪)’rords:Reco衄endationSyStem,C01labo础veFiltemg,TmSt,№tedSimil撕t)rPropagation目录1.3论文的主要工作和组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
8、⋯⋯⋯⋯⋯.5第2章电子商务推荐技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.72.1电子商务推荐系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72.2电子商务推荐系统的模块划分⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯82.3常用推荐技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯102.3.1基于关联规则的推荐技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.102.3.2基于内容的推荐技术⋯⋯⋯⋯⋯⋯
此文档下载收益归作者所有