傳統(tǒng)推薦算法如貝葉斯隱式反饋推薦算法都是圍繞用戶(hù)—態(tài)勢(shì)需求度矩陣進(jìn)行建模,只利用到用戶(hù)和態(tài)勢(shì)的交互行為信息,未利用到用戶(hù)或態(tài)勢(shì)的額外信息,而這些信息往往代表著用戶(hù)對(duì)相關(guān)態(tài)勢(shì)的潛在需求,充分利用這些額外信息,將有助于進(jìn)一步提升刻畫(huà)用戶(hù)需求,提升用戶(hù)建模的準(zhǔn)確性。因此本章在貝葉斯隱式反饋推薦算法的基礎(chǔ)上,融入用戶(hù)和態(tài)勢(shì)的相似度信息,提出一種耦合內(nèi)容相似度信息的貝葉斯隱式反饋推薦算法。仿真結(jié)果表明,該算法能夠充分挖掘用戶(hù)與態(tài)勢(shì)之間復(fù)雜的關(guān)系背后隱藏的用戶(hù)潛在需求,提升戰(zhàn)場(chǎng)態(tài)勢(shì)推送的質(zhì)量。 

【文章頁(yè)數(shù)】：5 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于余弦相似度的復(fù)雜網(wǎng)絡(luò)故障檢測(cè)方法及應(yīng)用[J]. 耿志強(qiáng),胡海霞,韓永明.  北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)



本文編號(hào)：3687431