2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩70頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、推薦系統(tǒng)是互聯(lián)網(wǎng)高速發(fā)展的產(chǎn)物,在人們的生活、工作及學(xué)習(xí)中發(fā)揮著非常重要的作用?,F(xiàn)如今,推薦系統(tǒng)已經(jīng)在電商、電影、社交等領(lǐng)域獲得飛速發(fā)展,國(guó)內(nèi)外針對(duì)推薦系統(tǒng)的應(yīng)用研究一直是近年的研究熱點(diǎn)。
  推薦算法及其所依賴(lài)的大數(shù)據(jù)是推薦系統(tǒng)的核心,基于SVD的推薦技術(shù)可以針對(duì)推薦系統(tǒng)中用戶-項(xiàng)目二元評(píng)分?jǐn)?shù)據(jù)以及用戶-項(xiàng)目-標(biāo)簽三元權(quán)值數(shù)據(jù)進(jìn)行研究,是目前可以同時(shí)針對(duì)兩種數(shù)據(jù)進(jìn)行處理的關(guān)鍵且有效的算法。但是隨著待處理信息的數(shù)據(jù)量不斷增大,算法

2、計(jì)算效率和推薦準(zhǔn)確性成為推薦系統(tǒng)研究的關(guān)鍵。
  本文針對(duì)SVD技術(shù)在推薦系統(tǒng)應(yīng)用中出現(xiàn)的計(jì)算效率低和推薦準(zhǔn)確性不太理想的問(wèn)題,分別對(duì)低階和高階SVD推薦算法性能進(jìn)行了深入研究,本文所做的主要工作如下:
  1.首先,將基于SVD基本算法改進(jìn)的LFM、Bias SVD和SVD++推薦算法的性能進(jìn)行研究。其中LFM是將高維評(píng)分矩陣分解成兩個(gè)低維用戶和項(xiàng)目特征矩陣,Bias SVD算法是在LFM的基礎(chǔ)上將用戶和項(xiàng)目的基準(zhǔn)信息加入

3、模型,SVD++算法則是在Bias SVD算法之上又考慮了隱式信息。論文通過(guò)理論及實(shí)驗(yàn)分別對(duì)三個(gè)模型的性能進(jìn)行了比較,結(jié)果表明,SVD++算法的計(jì)算準(zhǔn)確性最好,但是計(jì)算效率最低;LFM算法的計(jì)算效率最高,但是準(zhǔn)確性最差。
  2.其次,針對(duì)SVD++算法計(jì)算復(fù)雜度偏高導(dǎo)致的計(jì)算效率低問(wèn)題進(jìn)行了深入研究。分析SVD++算法理論模型發(fā)現(xiàn),對(duì)預(yù)測(cè)模型目標(biāo)函數(shù)的訓(xùn)練采用梯度下降法開(kāi)展時(shí),所用學(xué)習(xí)率函數(shù)性能直接影響模型訓(xùn)練所用迭代次數(shù)及收斂

4、速度,因此本文提出了一種新學(xué)習(xí)率函數(shù)來(lái)對(duì)SVD++預(yù)測(cè)模型的特征參數(shù)進(jìn)行學(xué)習(xí),改進(jìn)的學(xué)習(xí)率函數(shù)具有初始值大、中期下降迅速及后期值小并且緩慢變化的特點(diǎn),實(shí)驗(yàn)證明,此方法在采用梯度下降法對(duì)SVD++算法模型進(jìn)行訓(xùn)練的前提下,既能使SVD++推薦算法的計(jì)算效率明顯提高,又能保證預(yù)測(cè)準(zhǔn)確性不變。
  3.最后,本文針對(duì)基于用戶-項(xiàng)目-標(biāo)簽三元數(shù)據(jù)的HOSVD推薦算法進(jìn)行研究。在推薦系統(tǒng)里,用戶-項(xiàng)目-標(biāo)簽數(shù)據(jù)會(huì)經(jīng)常出現(xiàn)標(biāo)簽冗余現(xiàn)象,若能充

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論