基于協(xié)同過濾算法的室內(nèi)設計推薦技術(shù)
發(fā)布時間：2021-03-03 11:52
為了縮短室內(nèi)設計推薦的時間,為用戶快速推薦感興趣的室內(nèi)設計,提出基于協(xié)同過濾算法的室內(nèi)設計推薦技術(shù)。通過計算室內(nèi)設計分詞,分析室內(nèi)設計協(xié)同過濾的權(quán)重分布�；趯κ覂�(nèi)設計的內(nèi)容進行關鍵詞特征的選擇和計算,確定室內(nèi)設計特征提取流程,完成基于協(xié)同過濾的室內(nèi)設計特征提取。根據(jù)用戶的室內(nèi)設計初始評分,計算出室內(nèi)設計的權(quán)重,通過權(quán)重向量值預測用戶室內(nèi)設計的最終評分,利用室內(nèi)設計推薦算法流程確定推薦算法的實現(xiàn)步驟,完成室內(nèi)設計推薦算法的設計。最后通過室內(nèi)設計協(xié)同過濾推薦模型,實現(xiàn)基于協(xié)同過濾算法的室內(nèi)設計推薦。實驗結(jié)果表明,基于協(xié)同過濾算法的推薦技術(shù)相比于傳統(tǒng)推薦技術(shù),室內(nèi)設計的推薦時間縮短了70.3%。
【文章來源】：現(xiàn)代電子技術(shù). 2020,43(13)北大核心
【文章頁數(shù)】：4 頁
【部分圖文】：
基于協(xié)同過濾的室內(nèi)設計特征提取流程圖
將室內(nèi)設計通過協(xié)同過濾算法賦予一定權(quán)重，根據(jù)用戶的室內(nèi)設計權(quán)重和評分，計算出室內(nèi)設計的權(quán)重，并預測出未評分室內(nèi)設計的大致評分結(jié)果，縮短室內(nèi)設計的推薦時間。先根據(jù)用戶室內(nèi)設計的歷史評分記錄，建立室內(nèi)設計文檔集，采用協(xié)同過濾算法計算出用戶室內(nèi)設計的權(quán)重向量[10]；然后建立一個室內(nèi)設計線性回歸模型和代價函數(shù)，利用協(xié)同過濾算法計算室內(nèi)設計權(quán)重向量；最后根據(jù)權(quán)重向量的值，預測出用戶室內(nèi)設計的評分，為用戶室內(nèi)設計產(chǎn)生推薦[11]。室內(nèi)設計推薦算法流程圖如圖2所示。室內(nèi)設計推薦算法的實現(xiàn)步驟如下：
綜上所述，由于室內(nèi)設計文本中的協(xié)同過濾更可以代表用戶感興趣的信息，通過計算室內(nèi)設計的分詞，分析了室內(nèi)設計協(xié)同過濾的權(quán)重分布，將詞頻值高于閾值的詞語作為室內(nèi)設計推薦的關鍵詞，對室內(nèi)設計的內(nèi)容進行關鍵詞特征的選擇和計算，確定了室內(nèi)設計特征提取流程，完成了基于協(xié)同過濾的室內(nèi)設計特征提取。根據(jù)用戶的室內(nèi)設計初始評分，計算出室內(nèi)設計的權(quán)重，通過權(quán)重向量的值預測出用戶室內(nèi)設計的最終評分，利用室內(nèi)設計推薦算法流程，確定推薦算法的實現(xiàn)步驟，完成室內(nèi)設計推薦算法的設計。最后通過室內(nèi)設計協(xié)同過濾推薦模型實現(xiàn)了基于協(xié)同過濾算法的室內(nèi)設計推薦。2 仿真實驗分析
【參考文獻】：
期刊論文
[1]基于物品融合自編碼器的協(xié)同過濾推薦算法[J]. 王東,薛峰,劉凱,陳思洋,張浩博. 計算機應用. 2019(S1)
[2]基于社交媒體基因圖譜的用戶推薦模型研究[J]. 張繼東,黃媛. 情報雜志. 2019(08)
[3]融合語義和社交特征的電子文獻資源推薦方法研究[J]. 楊辰,劉婷婷,劉雷,牛奔,孫見山. 情報學報. 2019(06)
[4]基于SVD填充的混合推薦算法[J]. 劉晴晴,羅永龍,汪逸飛,鄭孝遙,陳文. 計算機科學. 2019(S1)
[5]混合分層抽樣與協(xié)同過濾的旅游景點推薦模型研究[J]. 李廣麗,朱濤,袁天,滑瑾,張紅斌. 數(shù)據(jù)采集與處理. 2019(03)
[6]基于VSM和Bisecting K-means聚類的新聞推薦方法[J]. 袁仁進,陳剛,李鋒,魏雙建. 北京郵電大學學報. 2019(01)
[7]融合SOM功能聚類與DeepFM質(zhì)量預測的API服務推薦方法[J]. 曹步清,肖巧翔,張祥平,劉建勛. 計算機學報. 2019(06)
[8]融合內(nèi)容和改進協(xié)同過濾的個性化推薦算法[J]. 何波,潘力. 控制工程. 2018(08)
[9]基于用戶擴展興趣的微博推薦方法[J]. 徐建民,劉明艷,王苗. 計算機應用研究. 2019(06)
[10]一種基于相似度和信任度融合的微博內(nèi)容推薦方法[J]. 李吉,黃微,郭蘇琳. 圖書情報工作. 2018(11)
本文編號：3061216
【文章來源】：現(xiàn)代電子技術(shù). 2020,43(13)北大核心
【文章頁數(shù)】：4 頁
【部分圖文】：
基于協(xié)同過濾的室內(nèi)設計特征提取流程圖
將室內(nèi)設計通過協(xié)同過濾算法賦予一定權(quán)重，根據(jù)用戶的室內(nèi)設計權(quán)重和評分，計算出室內(nèi)設計的權(quán)重，并預測出未評分室內(nèi)設計的大致評分結(jié)果，縮短室內(nèi)設計的推薦時間。先根據(jù)用戶室內(nèi)設計的歷史評分記錄，建立室內(nèi)設計文檔集，采用協(xié)同過濾算法計算出用戶室內(nèi)設計的權(quán)重向量[10]；然后建立一個室內(nèi)設計線性回歸模型和代價函數(shù)，利用協(xié)同過濾算法計算室內(nèi)設計權(quán)重向量；最后根據(jù)權(quán)重向量的值，預測出用戶室內(nèi)設計的評分，為用戶室內(nèi)設計產(chǎn)生推薦[11]。室內(nèi)設計推薦算法流程圖如圖2所示。室內(nèi)設計推薦算法的實現(xiàn)步驟如下：
綜上所述，由于室內(nèi)設計文本中的協(xié)同過濾更可以代表用戶感興趣的信息，通過計算室內(nèi)設計的分詞，分析了室內(nèi)設計協(xié)同過濾的權(quán)重分布，將詞頻值高于閾值的詞語作為室內(nèi)設計推薦的關鍵詞，對室內(nèi)設計的內(nèi)容進行關鍵詞特征的選擇和計算，確定了室內(nèi)設計特征提取流程，完成了基于協(xié)同過濾的室內(nèi)設計特征提取。根據(jù)用戶的室內(nèi)設計初始評分，計算出室內(nèi)設計的權(quán)重，通過權(quán)重向量的值預測出用戶室內(nèi)設計的最終評分，利用室內(nèi)設計推薦算法流程，確定推薦算法的實現(xiàn)步驟，完成室內(nèi)設計推薦算法的設計。最后通過室內(nèi)設計協(xié)同過濾推薦模型實現(xiàn)了基于協(xié)同過濾算法的室內(nèi)設計推薦。2 仿真實驗分析
【參考文獻】：
期刊論文
[1]基于物品融合自編碼器的協(xié)同過濾推薦算法[J]. 王東,薛峰,劉凱,陳思洋,張浩博. 計算機應用. 2019(S1)
[2]基于社交媒體基因圖譜的用戶推薦模型研究[J]. 張繼東,黃媛. 情報雜志. 2019(08)
[3]融合語義和社交特征的電子文獻資源推薦方法研究[J]. 楊辰,劉婷婷,劉雷,牛奔,孫見山. 情報學報. 2019(06)
[4]基于SVD填充的混合推薦算法[J]. 劉晴晴,羅永龍,汪逸飛,鄭孝遙,陳文. 計算機科學. 2019(S1)
[5]混合分層抽樣與協(xié)同過濾的旅游景點推薦模型研究[J]. 李廣麗,朱濤,袁天,滑瑾,張紅斌. 數(shù)據(jù)采集與處理. 2019(03)
[6]基于VSM和Bisecting K-means聚類的新聞推薦方法[J]. 袁仁進,陳剛,李鋒,魏雙建. 北京郵電大學學報. 2019(01)
[7]融合SOM功能聚類與DeepFM質(zhì)量預測的API服務推薦方法[J]. 曹步清,肖巧翔,張祥平,劉建勛. 計算機學報. 2019(06)
[8]融合內(nèi)容和改進協(xié)同過濾的個性化推薦算法[J]. 何波,潘力. 控制工程. 2018(08)
[9]基于用戶擴展興趣的微博推薦方法[J]. 徐建民,劉明艷,王苗. 計算機應用研究. 2019(06)
[10]一種基于相似度和信任度融合的微博內(nèi)容推薦方法[J]. 李吉,黃微,郭蘇琳. 圖書情報工作. 2018(11)
本文編號：3061216
本文鏈接：http://sikaile.net/guanlilunwen/chengjian/3061216.html
教材專著
