為了縮短室內(nèi)設(shè)計(jì)推薦的時(shí)間,為用戶快速推薦感興趣的室內(nèi)設(shè)計(jì),提出基于協(xié)同過濾算法的室內(nèi)設(shè)計(jì)推薦技術(shù)。通過計(jì)算室內(nèi)設(shè)計(jì)分詞,分析室內(nèi)設(shè)計(jì)協(xié)同過濾的權(quán)重分布�；趯�(duì)室內(nèi)設(shè)計(jì)的內(nèi)容進(jìn)行關(guān)鍵詞特征的選擇和計(jì)算,確定室內(nèi)設(shè)計(jì)特征提取流程,完成基于協(xié)同過濾的室內(nèi)設(shè)計(jì)特征提取。根據(jù)用戶的室內(nèi)設(shè)計(jì)初始評(píng)分,計(jì)算出室內(nèi)設(shè)計(jì)的權(quán)重,通過權(quán)重向量值預(yù)測(cè)用戶室內(nèi)設(shè)計(jì)的最終評(píng)分,利用室內(nèi)設(shè)計(jì)推薦算法流程確定推薦算法的實(shí)現(xiàn)步驟,完成室內(nèi)設(shè)計(jì)推薦算法的設(shè)計(jì)。最后通過室內(nèi)設(shè)計(jì)協(xié)同過濾推薦模型,實(shí)現(xiàn)基于協(xié)同過濾算法的室內(nèi)設(shè)計(jì)推薦。實(shí)驗(yàn)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(shè)計(jì)的推薦時(shí)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(shè)計(jì)特征提取流程圖

將室內(nèi)設(shè)計(jì)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(shè)計(jì)權(quán)重和評(píng)分，計(jì)算出室內(nèi)設(shè)計(jì)的權(quán)重，并預(yù)測(cè)出未評(píng)分室內(nèi)設(shè)計(jì)的大致評(píng)分結(jié)果，縮短室內(nèi)設(shè)計(jì)的推薦時(shí)間。先根據(jù)用戶室內(nèi)設(shè)計(jì)的歷史評(píng)分記錄，建立室內(nèi)設(shè)計(jì)文檔集，采用協(xié)同過濾算法計(jì)算出用戶室內(nèi)設(shè)計(jì)的權(quán)重向量[10]；然后建立一個(gè)室內(nèi)設(shè)計(jì)線性回歸模型和代價(jià)函數(shù)，利用協(xié)同過濾算法計(jì)算室內(nèi)設(shè)計(jì)權(quán)重向量；最后根據(jù)權(quán)重向量的值，預(yù)測(cè)出用戶室內(nèi)設(shè)計(jì)的評(píng)分，為用戶室內(nèi)設(shè)計(jì)產(chǎn)生推薦[11]。室內(nèi)設(shè)計(jì)推薦算法流程圖如圖2所示。室內(nèi)設(shè)計(jì)推薦算法的實(shí)現(xiàn)步驟如下：

綜上所述，由于室內(nèi)設(shè)計(jì)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(jì)算室內(nèi)設(shè)計(jì)的分詞，分析了室內(nèi)設(shè)計(jì)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(shè)計(jì)推薦的關(guān)鍵詞，對(duì)室內(nèi)設(shè)計(jì)的內(nèi)容進(jìn)行關(guān)鍵詞特征的選擇和計(jì)算，確定了室內(nèi)設(shè)計(jì)特征提取流程，完成了基于協(xié)同過濾的室內(nèi)設(shè)計(jì)特征提取。根據(jù)用戶的室內(nèi)設(shè)計(jì)初始評(píng)分，計(jì)算出室內(nèi)設(shè)計(jì)的權(quán)重，通過權(quán)重向量的值預(yù)測(cè)出用戶室內(nèi)設(shè)計(jì)的最終評(píng)分，利用室內(nèi)設(shè)計(jì)推薦算法流程，確定推薦算法的實(shí)現(xiàn)步驟，完成室內(nèi)設(shè)計(jì)推薦算法的設(shè)計(jì)。最后通過室內(nèi)設(shè)計(jì)協(xié)同過濾推薦模型實(shí)現(xiàn)了基于協(xié)同過濾算法的室內(nèi)設(shè)計(jì)推薦。2 仿真實(shí)驗(yàn)分析

【參考文獻(xiàn)】：
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(jì)算機(jī)應(yīng)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(bào)雜志. 2019(08)
[3]融合語義和社交特征的電子文獻(xiàn)資源推薦方法研究[J]. 楊辰,劉婷婷,劉雷,牛奔,孫見山.  情報(bào)學(xué)報(bào). 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(jì)算機(jī)科學(xué). 2019(S1)
[5]混合分層抽樣與協(xié)同過濾的旅游景點(diǎn)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(jìn),陳剛,李鋒,魏雙建.  北京郵電大學(xué)學(xué)報(bào). 2019(01)
[7]融合SOM功能聚類與DeepFM質(zhì)量預(yù)測(cè)的API服務(wù)推薦方法[J]. 曹步清,肖巧翔,張祥平,劉建勛.  計(jì)算機(jī)學(xué)報(bào). 2019(06)
[8]融合內(nèi)容和改進(jìn)協(xié)同過濾的個(gè)性化推薦算法[J]. 何波,潘力.  控制工程. 2018(08)
[9]基于用戶擴(kuò)展興趣的微博推薦方法[J]. 徐建民,劉明艷,王苗.  計(jì)算機(jī)應(yīng)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(bào)工作. 2018(11)



本文編號(hào)：3061216