已閱讀1頁，還剩60頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、在當(dāng)今信息爆炸的時代，人們可以在推薦系統(tǒng)這一強(qiáng)大的信息過濾工具的幫助下從海量的信息中很快地找出自己感興趣的內(nèi)容。目前，協(xié)同過濾算法是推薦系統(tǒng)中最流行的一個算法類別。矩陣分解和隨機(jī)游走是兩種可以應(yīng)用到推薦系統(tǒng)中的基于模型的協(xié)同過濾算法。
矩陣分解模型通過將用戶和物品分解為隱含因子向量來解決數(shù)據(jù)的稀疏性問題，因此具有良好的可伸縮性。分解機(jī)(Factorization Machines)是一個一般的分解模型，可以僅通過指定其輸入特征
2、向量來模擬不同的矩陣分解模型，為了方便矩陣分解模型的使用，本文實現(xiàn)了分解機(jī)，并做了一些優(yōu)化工作，如使用基于用戶的分組特征和緩存技術(shù)。
隨機(jī)游走模型也能有效地緩解數(shù)據(jù)稀疏的問題，有很多不同的隨機(jī)游走模型，它們的轉(zhuǎn)移概率矩陣均采用基于啟發(fā)式的方法來計算，而本文提出一種基于模型的方法來計算轉(zhuǎn)移概率矩陣，這種方法通過矩陣分解技術(shù)將隨機(jī)游走模型中的結(jié)點映射為隱因子向量，并使用該向量計算結(jié)點之間的轉(zhuǎn)移概率。最后，本文針對具體的隨機(jī)游走模型
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于隨機(jī)游走的Web服務(wù)推薦算法研究.pdf
- 基于概率矩陣分解的推薦算法研究.pdf
- 基于近似矩陣分解的推薦算法研究.pdf
- 基于矩陣分解的推薦系統(tǒng)算法研究.pdf
- 基于矩陣分解的推薦系統(tǒng)模型和算法改進(jìn)研究.pdf
- 基于矩陣分解模型的推薦算法研究.pdf
- 基于改進(jìn)矩陣分解的推薦算法研究.pdf
- 基于矩陣分解的推薦算法優(yōu)化研究.pdf
- 基于節(jié)點用戶和概率矩陣分解模型的推薦算法
- 結(jié)合非負(fù)矩陣分解的推薦算法及框架研究.pdf
- 基于共同購買和用戶行為的矩陣分解推薦算法.pdf
- 基于節(jié)點用戶和概率矩陣分解模型的推薦算法.pdf
- 基于信任和矩陣分解的社會化推薦算法.pdf
- 基于用戶關(guān)系的矩陣分解推薦算法研究.pdf
- 基于雙重正則化的矩陣分解推薦算法研究.pdf
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
- 基于主題矩陣分解模型的新聞推薦算法研究.pdf
- 基于概率矩陣分解的多指標(biāo)推薦算法研究.pdf
- 基于托攻擊檢測和矩陣分解模型的可信推薦算法研究.pdf
- 基于物品相似度和主題回歸的矩陣分解推薦算法.pdf
評論
0/150
提交評論