隨著網(wǎng)絡(luò)信息技術(shù)迅猛發(fā)展,人們盡管有越來越多獲取信息的方式,還是抵不住信息過載問題的影響——越來越難以準確、快速地定位到所需要的信息。個性化推薦系統(tǒng)是緩解信息過載問題,滿足用戶個性化需求的重要手段。針對推薦系統(tǒng)中傳統(tǒng)基于用戶的協(xié)同過濾推薦算法的數(shù)據(jù)稀疏、冷啟動問題,提出了SUBCF_CK算法。相較于傳統(tǒng)算法,SUBCF_CK算法主要改進工作如下:為減輕用戶-項目評分矩陣的稀疏問題對推薦效果的影響,SUBCF_CK算法基于項目分類,參考Slope One算法線性回歸方法,根據(jù)用戶間線性評分線差對評分矩陣進行填充。對于冷啟動問題,一方面,SUBCF_CK算法基于項目分類計算用戶間的興趣相似度,并對其設(shè)置影像性權(quán)重,以避免當用戶間共同評分數(shù)據(jù)較少時興趣相似度度量的偶然性;另一方面,利用社會化網(wǎng)絡(luò)中“三度影響力原則”計算出用戶間信任相似度,并將其與興趣相似度相融合,減少新用戶歷史評分數(shù)據(jù)過少對推薦效果的影響。在計算用戶最近鄰居時,將Canopy算法與K-means算法聚類思想融合,采用“粗聚類”、“細聚類”結(jié)合的方...

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖4-1基本模型

廣東財經(jīng)大學(xué)專業(yè)學(xué)位碩士論文基于神經(jīng)協(xié)同過濾的個性化電影推薦研究與系統(tǒng)設(shè)計374系統(tǒng)需求分析上一章主要對NCF框架中的一種算法實現(xiàn)NeuMF進行了改進和優(yōu)化，并提出了一種新的算法實現(xiàn)NCFBR，以改善最終的推薦效果。之后兩章在前文提出并驗證的NCFBR算法的基礎(chǔ)上，設(shè)計并實現(xiàn)了一....

圖6-5服務(wù)框架及分層

華南理工大學(xué)碩士學(xué)位論文60心，因此算法的邏輯設(shè)計最為關(guān)鍵，目前推薦算法模型在醫(yī)療智能導(dǎo)診應(yīng)用已較為成熟，在設(shè)計相關(guān)功能時完全可以進行實現(xiàn)借鑒，具體實現(xiàn)文獻案例如表6-6所示。表6-6基于算法模型在和智能推薦的研究案例研究學(xué)者研究結(jié)論2014梁璐[34]基于VSM權(quán)重改進算法的智....

本文編號：3893886