已閱讀1頁，還剩56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)，請進行舉報或認領(lǐng)
文檔簡介
1、近年來，互聯(lián)網(wǎng)和電子商務的飛速發(fā)展給人們的生活帶來極大便利，同時也帶來了信息過載問題。推薦系統(tǒng)利用興趣相似用戶對項目的觀點為用戶進行推薦，能有效解決信息過載問題。協(xié)同過濾技術(shù)是推薦系統(tǒng)中應用最廣泛的一種技術(shù)，但是隨著系統(tǒng)規(guī)模的不斷擴大，該技術(shù)也面臨著實時性和準確性等方面的挑戰(zhàn)。
基于K-Means用戶聚類的協(xié)同過濾推薦算法，可以有效地改善系統(tǒng)的實時性問題，但是K-Means算法本身的局部最優(yōu)解問題卻降低了系統(tǒng)推薦的準確性。為了
2、解決這個問題，本文首先對推薦系統(tǒng)和蟻群算法的相關(guān)文獻進行回顧，在分析當前研究現(xiàn)狀的基礎(chǔ)上，提出使用蟻群聚類算法對用戶進行聚類分析。由于蟻群聚類算法不需要復雜的初始設置，通過分布式并行計算總能獲得良好的聚類效果，因此可以有效的提高系統(tǒng)的推薦質(zhì)量。
最后，設計實驗方案驗證基于蟻群用戶聚類的協(xié)同過濾算法，基于K-Means用戶聚類的協(xié)同過濾算法以及傳統(tǒng)協(xié)同過濾算法在系統(tǒng)實時性和推薦準確性方面的效果。實驗結(jié)果表明:該算法可以在保證系統(tǒng)
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于用戶聚類的協(xié)同過濾推薦系統(tǒng)研究.pdf
- 基于內(nèi)容聚類的協(xié)同過濾推薦系統(tǒng)研究.pdf
- 基于聚類技術(shù)的協(xié)同過濾推薦系統(tǒng)研究.pdf
- 基于用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于用戶興趣聚類的協(xié)同過濾推薦技術(shù)的研究
- 基于用戶協(xié)同過濾的視頻推薦系統(tǒng)研究.pdf
- 基于用戶興趣聚類的協(xié)同過濾推薦技術(shù)的研究.pdf
- 基于用戶聚類的項目多內(nèi)容協(xié)同過濾推薦.pdf
- 融合實時因素的用戶聚類協(xié)同過濾推薦系統(tǒng).pdf
- 基于遺傳聚類的協(xié)同過濾推薦系統(tǒng).pdf
- 結(jié)合用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于用戶行為模型和蟻群聚類的協(xié)同過濾推薦算法.pdf
- 基于云模型和用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的推薦系統(tǒng)研究.pdf
- 基于用戶聚類的協(xié)同過濾個性化推薦的研究與應用.pdf
- 基于用戶排名的聚類協(xié)同過濾技術(shù)研究.pdf
- 基于知識的協(xié)同過濾推薦系統(tǒng)研究.pdf
- 基于聚類專家選擇的協(xié)同過濾推薦算法研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于社會興趣聚類的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論