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、隨著經(jīng)濟的蓬勃發(fā)展,特別是互聯(lián)網(wǎng)的普及,電子商務(wù)行業(yè)迅速崛起,網(wǎng)上購物逐漸成為了一種時尚和未來發(fā)展的趨勢。然而,隨著網(wǎng)上信息量的指數(shù)上升,可供選擇的產(chǎn)品鋪天蓋地,用戶很難進行抉擇。推薦系統(tǒng)的出現(xiàn)為解決這一問題提供了方法,它能夠幫助用戶更加有效迅速地找到自己想要購買的產(chǎn)品。
冷啟動問題是推薦系統(tǒng)的一個難點,也逐漸發(fā)展成為研究人員廣泛關(guān)注的經(jīng)典問題。目前研究冷啟動推薦的工作大多都是處理新用戶或新項目兩類冷啟動問題。然而,對于第三類
2、冷啟動問題,即向新用戶推薦新項目,卻很少被考慮。因為新用戶選擇項目以及新項目被選擇的歷史記錄都是空白的,所以研究此類問題會更有挑戰(zhàn)力。
本文提出了基于粒關(guān)聯(lián)規(guī)則的推薦算法用于解決冷啟動推薦問題,特別是解決向新用戶推薦新項目的問題。因為目前已有的粒關(guān)聯(lián)規(guī)則方法還沒有處理多值型和數(shù)值型屬性等問題,所以本文首先提出解決這些問題的方法,然后再把這些方法應(yīng)用于推薦算法。本文的主要研究成果如下:
(1)處理粒關(guān)聯(lián)規(guī)則中的多值型屬
3、性問題。在實際生活中,存在許多種多值型數(shù)據(jù)類型的屬性,例如,一部電影屬性類型既是動作類也是冒險類。本文采用scaling-based方法來處理信息表中的屬性多值問題。在粒關(guān)聯(lián)規(guī)則的挖掘過程中,過濾掉消極粒,保留積極粒。從而有利于減少消極性規(guī)則的產(chǎn)生,并避免被用于推薦。
(2)處理粒關(guān)聯(lián)規(guī)則中的數(shù)值型屬性問題。目前,粒關(guān)聯(lián)規(guī)則的研究只考慮了處理信息表中的符號型數(shù)據(jù),但實際生活中存在著大量的數(shù)值型數(shù)據(jù)。本文通過采用 Equal W
4、idth、Equal Frequency和K-Means三種離散化方法來對數(shù)值型數(shù)據(jù)進行處理,使得更多更強的規(guī)則可以被挖掘出來,并用于推薦。
(3)定義了三種指標來衡量推薦的算法,即準確率指標、顯著性指標和多樣性指標。在這里,準確率指標可以反映出推薦算法的質(zhì)量,而顯著性和多樣性指標可以反映出個性化推薦算法的性能。
(4)設(shè)計了基于粒關(guān)聯(lián)規(guī)則的冷啟動推薦算法,這也是本文的核心內(nèi)容。首先,本文用信息粒來刻畫新用戶和新項目
5、,例如,“35歲的男經(jīng)理”、“愛情動作電影”和“2014年上映的喜劇電影”等都是信息粒。根據(jù)信息表中已有用戶和項目的信息及他們之間的關(guān)系表,通過滿足不同指標,挖掘出一些粒關(guān)聯(lián)規(guī)則。接著,根據(jù)這些規(guī)則,新用戶可以匹配到合適的用戶粒。然后,采用confidence-based和significance-based兩種方法選取推薦粒;最后,根據(jù)這些推薦粒匹配新項目的粒,并將相應(yīng)的新項目用于推薦。在此基礎(chǔ)上,本文還研究了基于粒關(guān)聯(lián)規(guī)則的Top-
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(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
- 基于社會網(wǎng)的冷啟動推薦算法設(shè)計與實現(xiàn).pdf
- 基于組推薦的冷啟動與混合算法研究.pdf
- 基于主動學(xué)習(xí)的用戶冷啟動推薦研究.pdf
- 基于粒計算與完全圖的關(guān)聯(lián)規(guī)則算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則的推薦算法研究與應(yīng)用
- 基于關(guān)聯(lián)規(guī)則的推薦算法研究與應(yīng)用.pdf
- 基于關(guān)聯(lián)規(guī)則的個性化推薦算法研究.pdf
- 基于協(xié)同過濾及關(guān)聯(lián)規(guī)則的混合推薦算法研究.pdf
- 個性化推薦的關(guān)聯(lián)規(guī)則算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則的個性化推薦.pdf
- 基于關(guān)聯(lián)規(guī)則的推薦系統(tǒng)研究.pdf
- 基于粒計算的實際課程關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 基于SVD++推薦系統(tǒng)候選集生成及冷啟動解決方法.pdf
- 基于關(guān)聯(lián)規(guī)則的電子銀行產(chǎn)品推薦研究.pdf
- 推薦系統(tǒng)中冷啟動問題與評估方法研究.pdf
- 協(xié)同過濾算法中冷啟動問題的研究.pdf
- 基于關(guān)聯(lián)規(guī)則的跨平臺個性化推薦算法及其實現(xiàn).pdf
- 基于分界思想的關(guān)聯(lián)規(guī)則挖掘算法.pdf
- 基于Hadoop的并行關(guān)聯(lián)規(guī)則算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法的研究.pdf
評論
0/150
提交評論