發(fā)布時(shí)間：2016-10-02 14:14

  本文關(guān)鍵詞：智能搜索引擎信息過(guò)濾機(jī)制研究，由筆耕文化傳播整理發(fā)布。

《吉林大學(xué)》 2013年

基于矩陣分解的協(xié)同過(guò)濾推薦算法研究

張川  

【摘要】：當(dāng)今社會(huì)，每個(gè)人的身邊充斥著大量的信息，尤其是互聯(lián)網(wǎng)中，海量的信息幾乎包含了人們所需要的全部?jī)?nèi)容，但是“信息過(guò)載”問(wèn)題仍使人們難以找到他們真正需要的東西�！八阉饕妗钡某霈F(xiàn)在很大程度上解決了“信息過(guò)載”問(wèn)題，但是搜索引擎對(duì)每個(gè)用戶提供的都是相同的服務(wù)，因此，人們渴望獲得更具針對(duì)性的個(gè)性化的服務(wù)。在這種情況下，推薦系統(tǒng)應(yīng)運(yùn)而生，它能夠給用戶提供個(gè)性化的信息推薦服務(wù)。 20世紀(jì)90年代人們開始研究推薦系統(tǒng)，出現(xiàn)了大量關(guān)于推薦系統(tǒng)的研究成果，提出了許多種推薦算法，這些推薦算法應(yīng)用在網(wǎng)頁(yè)瀏覽、電影推薦、音樂(lè)推薦與電子商務(wù)等方面。目前，推薦系統(tǒng)也有了很多成功應(yīng)用的案例，推薦系統(tǒng)為商家和用戶都創(chuàng)造了有用的價(jià)值。 本文的主要工作如下： 1.全面介紹了推薦系統(tǒng)的研究背景與研究現(xiàn)狀。并介紹了幾大類推薦系統(tǒng)，包括基于內(nèi)容的推薦、基于知識(shí)的推薦、協(xié)同過(guò)濾推薦、基于圖結(jié)構(gòu)的推薦和組合推薦，特別是對(duì)協(xié)同過(guò)濾推薦做了較為詳細(xì)的闡釋。 2.詳細(xì)分析了基于矩陣分解的協(xié)同過(guò)濾推薦算法，對(duì)矩陣分解所采用的梯度下降法做了簡(jiǎn)介，給出了基本矩陣分解Basic MF（Basic Matrix Factorization）、規(guī)范化矩陣分解Regularized MF（Regularized Matrix Factorization）和偏差矩陣分解Biases MF（BiasesMatrix Factorization）的整個(gè)流程。對(duì)矩陣分解所采用的差異度量方法做了討論，介紹了不同于一般情況的采用KL散度（Kullback-Leibler Divergence）刻畫部分差異的KLDDMF（Kullback-Leibler Divergence and Difference Matrix Factorization）算法。 3.為了提高矩陣分解算法的預(yù)測(cè)精確度，本文提出了幾種新的矩陣分解算法，它們是偏差向量矩陣分解BV MF（Biases Vector Matrix Factorization）、用戶相似性矩陣分解US MF（Users Similar Matrix Factorization）、項(xiàng)目相似性矩陣分解IS MF（Items SimilarMatrix Factorization）和用戶相似性項(xiàng)目相似性矩陣分解USIS MF（Users Similar and ItemsSimilar Matrix Factorization），其中，US MF與IS MF是USIS MF的兩種減弱模型。BVMF將用戶和項(xiàng)目的偏差擴(kuò)展到每個(gè)特征，每個(gè)特征都會(huì)有特定的用戶偏差和特定的項(xiàng)目偏差，相比于其它模型BVMF的變量要更多。由于矩陣分解后的用戶向量和項(xiàng)目向量可能不會(huì)保持原始的用戶之間與項(xiàng)目之間的相似性關(guān)系，這樣就丟掉了內(nèi)在的相似性重要關(guān)系，，在US MF、IS MF和USIS MF中結(jié)合了用戶或項(xiàng)目的相似性關(guān)系，將相似性信息融入到最小化的目標(biāo)函數(shù)中，挖掘更深層的潛在信息，以使預(yù)測(cè)結(jié)果更為精確，US MF只考慮用戶相似性信息，IS MF只考慮項(xiàng)目相似性信息，USIS MF是它們的結(jié)合，同時(shí)考慮了用戶與項(xiàng)目的相似性信息。BVMF在預(yù)測(cè)精確度方面沒(méi)有如預(yù)計(jì)的那樣有好的表現(xiàn)；US MF和IS MF在精確度方面相比于Basic MF與Regularized MF都有了提高，但它們比BiasesMF要差；USISMF是表現(xiàn)最優(yōu)秀的，在精確度方面，相比于BiasesMF它依舊有較大提高。 4.對(duì)矩陣分解算法的預(yù)測(cè)評(píng)分方法做了討論，包括直接預(yù)測(cè)（Direct Prediction）、近鄰預(yù)測(cè)（NearNeighbors Prediction）等，針對(duì)預(yù)測(cè)評(píng)分超過(guò)評(píng)分上下限的問(wèn)題，提出了一種新的預(yù)測(cè)方法——映射預(yù)測(cè)（MappingPrediction），它把預(yù)測(cè)評(píng)分映射到評(píng)分上下限以內(nèi)，并且保持了預(yù)測(cè)評(píng)分的相對(duì)高低狀況，這樣處理過(guò)的預(yù)測(cè)評(píng)分就不存在超過(guò)評(píng)分上下限的不合理情況，經(jīng)過(guò)映射預(yù)測(cè)的評(píng)分在預(yù)測(cè)結(jié)果上有了一定的改善。 5.介紹了幾種不同的推薦算法評(píng)測(cè)標(biāo)準(zhǔn)，包括MAE（Mean Absolute Error）、RMSE（RootMeanSquareError）、查準(zhǔn)率（Precision）、查全率（Recall）。并提出了一種新的評(píng)測(cè)指標(biāo)——正確率（Accuracy）。正確率是在對(duì)預(yù)測(cè)評(píng)分進(jìn)行四舍五入的基礎(chǔ)上對(duì)推薦算法做出評(píng)價(jià)，它不像查準(zhǔn)率與查全率只考慮推薦給用戶的項(xiàng)目的正確概率，還考慮了那些不能推薦給用戶的項(xiàng)目的預(yù)測(cè)準(zhǔn)確度。 6.在數(shù)據(jù)集上做了大量實(shí)驗(yàn)，分析各種推薦算法的運(yùn)行結(jié)果。 本文針對(duì)預(yù)測(cè)精確度問(wèn)題提出了幾種新的算法，BVMF、USMF、ISMF和USISMF，其中，除BVMF以外，它們?cè)诰_度方面都有提高。對(duì)于評(píng)分的預(yù)測(cè)，提出了一種新的映射預(yù)測(cè)方法，相比于直接預(yù)測(cè)有很明顯的效果。在評(píng)測(cè)方面，給出了一種新的正確率評(píng)測(cè)指標(biāo)，它在一定程度上可以衡量算法的優(yōu)劣。

【關(guān)鍵詞】：
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP391.3
【目錄】：

下載全文 更多同類文獻(xiàn)

CAJ全文下載

(如何獲取全文？ 歡迎：購(gòu)買知網(wǎng)充值卡、在線充值、在線咨詢)

CAJViewer閱讀器支持CAJ、PDF文件格式

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報(bào);2009年02期

2 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

3 陳樹年;搜索引擎及網(wǎng)絡(luò)信息資源的分類組織[J];圖書情報(bào)工作;2000年04期

4 劉建國(guó);周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 孫小華;協(xié)同過(guò)濾系統(tǒng)的稀疏性與冷啟動(dòng)問(wèn)題研究[D];浙江大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 杜定宇;基于特征向量的個(gè)性化推薦算法研究[D];重慶大學(xué);2011年

2 溫會(huì)平;基于項(xiàng)目類別相似性與用戶多興趣的個(gè)性化推薦算法的研究[D];太原理工大學(xué);2008年

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 賀定安;關(guān)于編制《中圖法·網(wǎng)絡(luò)信息分類表》的構(gòu)想[J];國(guó)家圖書館學(xué)刊;2002年03期

2 沙淑欣;情報(bào)檢索語(yǔ)言研究綜述[J];國(guó)家圖書館學(xué)刊;2004年03期

3 李莉,劉鯤,王鶴;如何將傳統(tǒng)文獻(xiàn)分類法應(yīng)用于網(wǎng)絡(luò)信息組織[J];國(guó)家圖書館學(xué)刊;2005年03期

4 曹青;檢索語(yǔ)言研究綜述[J];北京教育學(xué)院學(xué)報(bào);2000年04期

5 鄭爽;網(wǎng)絡(luò)信息資源的開發(fā)利用[J];北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2001年02期

6 張帆;林建;;智能搜索引擎信息過(guò)濾機(jī)制研究[J];圖書與情報(bào);2007年04期

7 蔡曉霞;;數(shù)據(jù)挖掘技術(shù)在圖書館中的應(yīng)用[J];長(zhǎng)春師范學(xué)院學(xué)報(bào);2011年04期

8 陳燕;牟向偉;;語(yǔ)義環(huán)境下個(gè)性化推薦系統(tǒng)建模[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2010年06期

9 牟乃夏;劉文寶;張靈先;孫翠羽;;空間信息服務(wù)的個(gè)性化問(wèn)題[J];測(cè)繪科學(xué);2011年03期

10 黎星星;Building a better recommender system in E-commerce[J];Journal of Chongqing University;2003年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前8條

1 高琪;辛樂(lè);;基于用戶偏好度模型和情感計(jì)算的產(chǎn)品推薦算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 王茹;郭曉;曹雪珊;;國(guó)內(nèi)視頻網(wǎng)站精準(zhǔn)投放技術(shù)分析[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國(guó)通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

3 陶曉燕;;網(wǎng)絡(luò)信息資源的分類組織[A];山西省科學(xué)技術(shù)情報(bào)學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2004年

4 ;An Analysis on the Personalized Recommendation Architecture of Mobile Commerce Application[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——管理科學(xué)與工程分會(huì)場(chǎng)論文集[C];2011年

5 ;COLLABORATIVE FILTERING RECOMMENDATION ALGORITHM BASED ON LOOK-AHEAD SELECTIVE SAMPLING[A];2006年中國(guó)機(jī)械工程學(xué)會(huì)年會(huì)暨中國(guó)工程院機(jī)械與運(yùn)載工程學(xué)部首屆年會(huì)論文集[C];2006年

6 胡必云;李舟軍;王君;;基于心理測(cè)量學(xué)的協(xié)同過(guò)濾相似度方法(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

7 孫宏明;;網(wǎng)絡(luò)信息資源的開發(fā)與利用探析[A];全國(guó)高校社科信息資料研究會(huì)第14次理論研討會(huì)論文集[C];2012年

8 蔡曉霞;;數(shù)據(jù)挖掘在圖書館中的應(yīng)用[A];福建省圖書館學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張宇;個(gè)性化移動(dòng)內(nèi)容服務(wù)的模型和支持技術(shù)研究[D];華中科技大學(xué);2010年

2 張寅;個(gè)性化技術(shù)及其在數(shù)字圖書館中應(yīng)用的研究[D];浙江大學(xué);2009年

3 陳偉;基于時(shí)序文本挖掘的新聞內(nèi)容理解與推薦技術(shù)研究[D];浙江大學(xué);2010年

4 胡慕海;面向動(dòng)態(tài)情境的信息推薦方法及系統(tǒng)研究[D];華中科技大學(xué);2011年

5 葉紅云;面向金融營(yíng)銷問(wèn)題的個(gè)性化推薦方法研究[D];合肥工業(yè)大學(xué);2011年

6 劉毅捷;視頻社區(qū)中海量數(shù)據(jù)管理方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

7 劉潤(rùn)然;復(fù)雜網(wǎng)絡(luò)上的幾種動(dòng)力學(xué)過(guò)程研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

8 馬春山;移動(dòng)增值業(yè)務(wù)的個(gè)性化推薦研究[D];北京郵電大學(xué);2011年

9 黃永生;基于用戶社會(huì)屬性的點(diǎn)對(duì)點(diǎn)內(nèi)容分發(fā)網(wǎng)絡(luò)模型研究[D];北京郵電大學(xué);2010年

10 夏培勇;個(gè)性化推薦技術(shù)中的協(xié)同過(guò)濾算法研究[D];中國(guó)海洋大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 吳則則;支持動(dòng)態(tài)演進(jìn)的用戶興趣模型挖掘方法研究[D];山東科技大學(xué);2010年

2 宋超臣;基于推薦網(wǎng)絡(luò)的服務(wù)搜索技術(shù)研究[D];哈爾濱工程大學(xué);2010年

3 何瑩杰;個(gè)性化圖書信息服務(wù)技術(shù)研究[D];哈爾濱工程大學(xué);2010年

4 李媛;電子商務(wù)個(gè)性化推薦關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

5 吳迪;高校畢業(yè)生就業(yè)推薦系統(tǒng)的設(shè)計(jì)與開發(fā)[D];大連理工大學(xué);2010年

6 龐軍;雙聚類算法及其在協(xié)同過(guò)濾中的應(yīng)用研究[D];大連理工大學(xué);2010年

7 李春;協(xié)同過(guò)濾推薦算法的研究[D];湘潭大學(xué);2010年

8 潘拓宇;融入用戶行為上下文的個(gè)性化推薦模型[D];湘潭大學(xué);2010年

9 程淑玉;基于協(xié)同過(guò)濾算法的個(gè)性化推薦系統(tǒng)的研究[D];合肥工業(yè)大學(xué);2010年

10 何克勤;基于標(biāo)簽的推薦系統(tǒng)模型及算法研究[D];華東師范大學(xué);2011年

【二級(jí)參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 趙亮,胡乃靜,張守志;個(gè)性化推薦算法設(shè)計(jì)[J];計(jì)算機(jī)研究與發(fā)展;2002年08期

2 周軍鋒,湯顯,郭景峰;一種優(yōu)化的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2004年10期

3 李煊,汪曉巖,莊鎮(zhèn)泉;基于關(guān)聯(lián)規(guī)則挖掘的個(gè)性化智能推薦服務(wù)[J];計(jì)算機(jī)工程與應(yīng)用;2002年11期

4 李勇,徐振寧,張維明;Internet個(gè)性化信息服務(wù)研究綜述[J];計(jì)算機(jī)工程與應(yīng)用;2002年19期

5 徐小琳,闕喜戎,程時(shí)端;信息過(guò)濾技術(shù)和個(gè)性化信息服務(wù)[J];計(jì)算機(jī)工程與應(yīng)用;2003年09期

6 王茜;王均波;;一種改進(jìn)的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)科學(xué);2010年06期

7 張海燕;顧峰;姜麗紅;;基于模糊簇的個(gè)性化推薦方法[J];計(jì)算機(jī)工程;2006年12期

8 張曉敏;王茜;;基于概念層次樹的個(gè)性化推薦算法[J];計(jì)算機(jī)工程;2007年24期

9 余力,劉魯;電子商務(wù)個(gè)性化推薦研究[J];計(jì)算機(jī)集成制造系統(tǒng);2004年10期

10 余力,劉魯,李雪峰;用戶多興趣下的個(gè)性化推薦算法研究[J];計(jì)算機(jī)集成制造系統(tǒng);2004年12期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 孫小華;協(xié)同過(guò)濾系統(tǒng)的稀疏性與冷啟動(dòng)問(wèn)題研究[D];浙江大學(xué);2005年

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 聶晶;;基于用戶興趣實(shí)時(shí)更新評(píng)價(jià)信息的遠(yuǎn)程教學(xué)資源智能推薦系統(tǒng)[J];中國(guó)科教創(chuàng)新導(dǎo)刊;2009年14期

2 蘇一丹;王育才;顧新一;;基于獨(dú)特型人工免疫網(wǎng)絡(luò)的并行推薦算法的研究[J];計(jì)算機(jī)應(yīng)用;2008年05期

3 李聰;梁昌勇;董珂;;基于項(xiàng)目類別相似性的協(xié)同過(guò)濾推薦算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

4 趙智;時(shí)兵;;改進(jìn)的個(gè)性化推薦算法[J];長(zhǎng)春大學(xué)學(xué)報(bào);2005年06期

5 李聰;梁昌勇;;基于屬性值偏好矩陣的協(xié)同過(guò)濾推薦算法[J];情報(bào)學(xué)報(bào);2008年06期

6 張曉云;李慧;王霞;;基于視覺(jué)信息的個(gè)性化圖像搜索排名技術(shù)[J];黑龍江科技信息;2009年31期

7 李濤;王建東;葉飛躍;馮新宇;張有東;;一種基于用戶聚類的協(xié)同過(guò)濾推薦算法[J];系統(tǒng)工程與電子技術(shù);2007年07期

8 嵇曉聲;劉宴兵;羅來(lái)明;;協(xié)同過(guò)濾中基于用戶興趣度的相似性度量方法[J];計(jì)算機(jī)應(yīng)用;2010年10期

9 魯培;;一種改進(jìn)的基于項(xiàng)目聚類的協(xié)同過(guò)濾推薦算法[J];科技傳播;2011年01期

10 李濤;王建東;葉飛躍;;推薦系統(tǒng)中一種新的相似性計(jì)算方法[J];計(jì)算機(jī)科學(xué);2007年08期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 陶紅亮;王明文;曹瑛;;基于項(xiàng)目平滑和聚類的協(xié)同過(guò)濾推薦算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過(guò)濾推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

4 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過(guò)濾推薦算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

5 梁莘燊;劉瑩;;基于效能的學(xué)術(shù)資源推薦算法研究[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——信息管理分會(huì)場(chǎng)論文集[C];2011年

6 李建國(guó);姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過(guò)濾推薦算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

7 高鳳榮;杜小勇;王珊;;數(shù)字圖書館環(huán)境下一種基于語(yǔ)義分類的個(gè)性化推薦算法[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2003年

8 湯顯;郭景峰;高英飛;;基于類別相似性的增量協(xié)同過(guò)濾推薦算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

9 高旻;吳中福;;基于個(gè)性化情境和項(xiàng)目的協(xié)同推薦研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第五分冊(cè)）[東南大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 孫鐵利;楊焱;邱春艷;;基于內(nèi)容預(yù)測(cè)的協(xié)同過(guò)濾推薦[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前9條

1 記者 王夕;[N];北京科技報(bào);2011年

2 記者 向陽(yáng);[N];科技日?qǐng)?bào);2009年

3 劉溟;[N];經(jīng)濟(jì)日?qǐng)?bào);2004年

4 ;[N];網(wǎng)絡(luò)世界;2001年

5 南方;[N];中國(guó)信息報(bào);2002年

6 本報(bào)記者 雷彬;[N];通信信息報(bào);2011年

7 趙駿飛;[N];中國(guó)保險(xiǎn)報(bào);2011年

8 喬穎;[N];新華每日電訊;2011年

9 商報(bào)記者 金朝力;[N];北京商報(bào);2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 高旻;基于計(jì)算語(yǔ)用學(xué)和項(xiàng)目的資源協(xié)同過(guò)濾推薦研究[D];重慶大學(xué);2010年

2 沈磊;心理學(xué)模型與協(xié)同過(guò)濾集成的算法研究[D];北京航空航天大學(xué);2010年

3 薛福亮;電子商務(wù)協(xié)同過(guò)濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

4 夏培勇;個(gè)性化推薦技術(shù)中的協(xié)同過(guò)濾算法研究[D];中國(guó)海洋大學(xué);2011年

5 賈春曉;基于復(fù)雜網(wǎng)絡(luò)的推薦算法和合作行為研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

6 李東勝;基于興趣與保護(hù)隱私的在線社區(qū)推薦技術(shù)研究[D];復(fù)旦大學(xué);2012年

7 孫慧峰;基于協(xié)同過(guò)濾的個(gè)性化Web推薦[D];北京郵電大學(xué);2012年

8 肖敏;基于領(lǐng)域本體的電子商務(wù)推薦技術(shù)研究[D];武漢理工大學(xué);2009年

9 劉凱鵬;社會(huì)性標(biāo)注關(guān)鍵技術(shù)及其在信息檢索中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

10 高瀅;多關(guān)系聚類分析方法研究[D];吉林大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 劉亭;隱私保持協(xié)同過(guò)濾推薦算法研究[D];燕山大學(xué);2010年

2 袁先虎;基于混合用戶模型的協(xié)同過(guò)濾推薦算法研究[D];重慶大學(xué);2010年

3 王小亮;基于協(xié)同過(guò)濾的個(gè)性化推薦算法的優(yōu)化和應(yīng)用[D];浙江工商大學(xué);2010年

4 李春;協(xié)同過(guò)濾推薦算法的研究[D];湘潭大學(xué);2010年

5 李有超;基于項(xiàng)目屬性與偏愛(ài)比較的協(xié)同過(guò)濾推薦算法研究[D];燕山大學(xué);2010年

6 封素石;分布式協(xié)同過(guò)濾推薦算法研究[D];燕山大學(xué);2010年

7 蔡浩;基于Web使用挖掘的協(xié)同過(guò)濾推薦算法研究[D];浙江理工大學(xué);2010年

8 張學(xué)勝;面向數(shù)據(jù)稀疏的協(xié)同過(guò)濾推薦算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

9 張曉彬;基于可信度的協(xié)同過(guò)濾推薦算法研究[D];重慶大學(xué);2010年

10 王正武;基于用戶喜好類型的協(xié)同過(guò)濾推薦算法研究[D];華東師范大學(xué);2011年

  本文關(guān)鍵詞：智能搜索引擎信息過(guò)濾機(jī)制研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：128955