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、分類號密級UDC1注學(xué)位論文基于加權(quán)網(wǎng)絡(luò)的協(xié)同過濾推薦(題名和副題名)高佳祥(作者姓名)指導(dǎo)教師姓名高輝副教授博導(dǎo)電子科技大學(xué)成都(職務(wù)、職稱、學(xué)位、單位名稱及地址)申請專業(yè)學(xué)位級別碩士專業(yè)名稱計算機(jī)軟件與理論論文提交日期2012.03論文答辯日期2012.05學(xué)位授予單位和日期電子科技大學(xué)答辯委員會主席評閱人2012年月日注1:注明《國際十進(jìn)分類法UDC》的類號。萬方數(shù)據(jù)摘要I摘要隨著科學(xué)技術(shù)的飛速發(fā)展,互聯(lián)網(wǎng)絡(luò)正以指數(shù)級增長,提供給
2、我們越來越多的信息。而信息過濾技術(shù)的產(chǎn)生使我們可以從龐大的資源池中,快速獲取最相關(guān)的信息。協(xié)同過濾作為一種比較成熟的推薦技術(shù)已經(jīng)成功應(yīng)用于互聯(lián)網(wǎng)的各個場景,它主要是根據(jù)屬性或興趣相近的用戶經(jīng)驗與建議作為提供個性化推薦的基礎(chǔ)。透過協(xié)同過濾,有助于搜集具有類似偏好或?qū)傩缘挠脩?,并將其意見提供給同一網(wǎng)絡(luò)中的其他用戶作為參考,這也符合人們通常在決策之前習(xí)慣參考他人意見的心理。通過研究協(xié)同過濾技術(shù),我們發(fā)現(xiàn)如何充分利用用戶和產(chǎn)品構(gòu)建的網(wǎng)絡(luò)中的有效
3、信息,為用戶提供準(zhǔn)確而多樣的推薦結(jié)果成為了此類技術(shù)發(fā)展的核心。在本文中,我們主要研究加權(quán)網(wǎng)絡(luò)中的協(xié)同過濾推薦技術(shù)。加權(quán)網(wǎng)絡(luò)是由用戶集和產(chǎn)品集互相聯(lián)系而建立的推薦關(guān)系網(wǎng)絡(luò)。在實際應(yīng)用中加權(quán)網(wǎng)絡(luò)隨處可見,B2C網(wǎng)站中用戶購買商品的評分記錄,購買時間,產(chǎn)品上市的時間,用戶之間的信任程度,用戶添加的標(biāo)簽信息等等都可以作為網(wǎng)絡(luò)的權(quán)重信息參與到推薦中,所以也具有很高的研究價值。針對傳統(tǒng)推薦模型中考慮原始打分的情況,我們提出了一種基于購買間隔權(quán)重的基
4、準(zhǔn)模型來消除外部因素對評價信息影響。另外我們也研究了考慮tag信息的推薦網(wǎng)絡(luò)中的權(quán)值添加模型,針對tag信息建立新的權(quán)重模型,改變相似度的計算方案,提高推薦的準(zhǔn)確度。最后,由于在傳統(tǒng)的個性化推薦系統(tǒng)中存在著用戶信息可能泄露的問題。我們重點研究了協(xié)同過濾推薦技術(shù)中的隱私保護(hù)模型,提出了一種新的信息保護(hù)策略,用來在基于系統(tǒng)過濾的推薦系統(tǒng)中保護(hù)用戶的隱私信息,實現(xiàn)了推薦準(zhǔn)確度的零丟失。關(guān)鍵詞:關(guān)鍵詞:個性化推薦,加權(quán)網(wǎng)絡(luò),協(xié)同過濾,數(shù)據(jù)挖掘萬
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
- 基于加權(quán)網(wǎng)絡(luò)的協(xié)同過濾推薦.pdf
- 基于優(yōu)化協(xié)同過濾與加權(quán)平均的群推薦方法.pdf
- 基于時間加權(quán)與評分預(yù)測的協(xié)同過濾推薦算法研究.pdf
- 基于社交網(wǎng)絡(luò)的協(xié)同過濾推薦算法研究.pdf
- 基于社會網(wǎng)絡(luò)的協(xié)同過濾推薦方法研究.pdf
- 基于社會網(wǎng)絡(luò)信息的協(xié)同過濾推薦方法研究.pdf
- 基于社會網(wǎng)絡(luò)的協(xié)同過濾推薦技術(shù)研究.pdf
- 基于社會信任網(wǎng)絡(luò)的協(xié)同過濾推薦方法研究.pdf
- 基于社交網(wǎng)絡(luò)信息的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的視頻推薦系統(tǒng).pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究
- 基于復(fù)合信息的協(xié)同過濾推薦.pdf
- 基于協(xié)同過濾算法的電影推薦系統(tǒng)
- 基于協(xié)同過濾的圖書推薦算法研究
- 基于加權(quán)興趣度的協(xié)同過濾算法研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾的推薦技術(shù)研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦方法研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究.pdf
- 基于雙邊匹配的協(xié)同過濾推薦算法.pdf
評論
0/150
提交評論