隨著網(wǎng)絡(luò)信息技術(shù)迅猛發(fā)展,人們盡管有越來(lái)越多獲取信息的方式,還是抵不住信息過(guò)載問(wèn)題的影響——越來(lái)越難以準(zhǔn)確、快速地定位到所需要的信息。個(gè)性化推薦系統(tǒng)是緩解信息過(guò)載問(wèn)題,滿足用戶個(gè)性化需求的重要手段。針對(duì)推薦系統(tǒng)中傳統(tǒng)基于用戶的協(xié)同過(guò)濾推薦算法的數(shù)據(jù)稀疏、冷啟動(dòng)問(wèn)題,提出了SUBCF_CK算法。相較于傳統(tǒng)算法,SUBCF_CK算法主要改進(jìn)工作如下:為減輕用戶-項(xiàng)目評(píng)分矩陣的稀疏問(wèn)題對(duì)推薦效果的影響,SUBCF_CK算法基于項(xiàng)目分類,參考Slope One算法線性回歸方法,根據(jù)用戶間線性評(píng)分線差對(duì)評(píng)分矩陣進(jìn)行填充。對(duì)于冷啟動(dòng)問(wèn)題,一方面,SUBCF_CK算法基于項(xiàng)目分類計(jì)算用戶間的興趣相似度,并對(duì)其設(shè)置影像性權(quán)重,以避免當(dāng)用戶間共同評(píng)分?jǐn)?shù)據(jù)較少時(shí)興趣相似度度量的偶然性;另一方面,利用社會(huì)化網(wǎng)絡(luò)中“三度影響力原則”計(jì)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(píng)分?jǐn)?shù)據(jù)過(guò)少對(duì)推薦效果的影響。在計(jì)算用戶最近鄰居時(shí),將Canopy算法與K-means算法聚類思想融合,采用“粗聚類”、“細(xì)聚類”結(jié)合的方...

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖4-1基本模型

廣東財(cái)經(jīng)大學(xué)專業(yè)學(xué)位碩士論文基于神經(jīng)協(xié)同過(guò)濾的個(gè)性化電影推薦研究與系統(tǒng)設(shè)計(jì)374系統(tǒng)需求分析上一章主要對(duì)NCF框架中的一種算法實(shí)現(xiàn)NeuMF進(jìn)行了改進(jìn)和優(yōu)化，并提出了一種新的算法實(shí)現(xiàn)NCFBR，以改善最終的推薦效果。之后兩章在前文提出并驗(yàn)證的NCFBR算法的基礎(chǔ)上，設(shè)計(jì)并實(shí)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(jì)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(jì)相關(guān)功能時(shí)完全可以進(jìn)行實(shí)現(xiàn)借鑒，具體實(shí)現(xiàn)文獻(xiàn)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(jìn)算法的智....

本文編號(hào)：3893886