千果论文网
论文范文
千果论文网免费提供各类论文范文,专注 毕业论文、职称论文!7年服务经验,质量保证!
当前位置:千果论文网 >> 论文下载 >> 论文提纲范文 >>浏览文章
论用户基于用户特点模型和兴趣度的协同过滤怎么写论文
文  协同过滤论文  兴趣度论文  贝叶斯算法论文  用户相似度论文本论文由http://www.qqg88.com整理提供,需要 论文可以联系客服人员哦。                                          内容摘要4-6Abstract6-12第1章 导论12-171.1 探讨背景121.2 国内外探讨近况12-141.3 探讨目标与探讨作用14-151.3.1 探讨目标141.3.2 探讨作用1
摘要:随着互联网的进展,电子商务技术日渐成熟并广泛运用到大众生活当中。人们越来越喜欢在网络上寻找自己所需要的信息,由此各个网站探讨的热点开始转向于根据网站自身已有的网络用户信息来推荐他们感兴趣的信息。协同过滤(Collaborative Filtering,简称CF)是最成功的个性化推荐技术,它借助已知的用户评价来实现对目标用户的推荐。典型的协同过滤推荐算法是基于用户的协同过滤推荐算法,它的基本原理是利用历史评分数据形成用户邻居,根据评分相似的最近邻居的评分数据向目标用户产生推荐。随着用户和项目数目的增加,如何提升算法的可扩展性和推荐质量是协同过滤技术面对的主要不足。论文提出两种优化算法,一是基于用户特点模型的协同过滤推荐算法,二是基于贝叶斯算法的协同过滤推荐。基于用户特点模型的协同过滤推荐算法是将传统的基于用户的协同过滤推荐算法进行优化,以用户共同评分项目的稀疏性不足入手,首先在离线环境下根据用户特点利用一个既定公式计算出用户u与v之间的特点相似性,形成一个用户特点相似性矩阵,为了提升查找速度,根据特点相似度的大小建立特点邻居排序链表。建立完用户的特点模型之后,统计出两个用户评价过的所有项目,这些项目可以只被其中一个用户评价过或者被两个用户同时评价过。对于只被一个用户评价过的项目,可以根据未评价过它的用户的特点邻居的评分进行预测,产生一个预测值。经过该处理后,被两个用户共同评价的项目集大大增加,解决了相关相似性度量策略和修正的余弦相似性度量策略 同评价过的项目集比较小的不足,解决了余弦相似性度量策略中对所有未评分项目评分都为0的不足。在一定程度上缓解了协同过滤推荐的稀疏性不足,提升了推荐质量。基于贝叶斯算法的协同过滤推荐首先引入一个阈值θ对用户相似度的计算进行调整,然后结合用户对项目的兴趣度将用户分组,用贝叶斯算法对用户特点进行浅析,以而计算出具有不同特点值的用户对未评分项目喜欢的概率,最后与兴趣度结合,确定调节因子δ的取值,将用户相似度公式进一步优化,以而利用户最近邻居的计算更加精确。最后根据其最近邻居对项目的评分信息预测目标用户对未评分项目的评分,取出预测评分最高的前n项推荐给用户,完成推荐。最后,将两种优化算法进行组合推荐,提出基于用户特点模型和兴趣度的优化协同过滤推荐算法,利用第一种策略对评分矩阵进行填充,增加被两个用户共同评价的项目数,以缓解评分数据的稀疏性。前期的处理提升了用户之间初始相似度计算的准确度,然后再结合用户对项目的兴趣度将用户分组,用贝叶斯算法对用户特点进行浅析,以而计算出具有不同特点值的用户对未评分项目喜欢的概率,最后与兴趣度结合,确定调节因子6的取值,将用户相似度公式进一步优化,以而利用户最近邻居的计算更加精确。最后取出预测评分最高的前n项推荐给用户,完成推荐。实验结果表明,与传统的基于用户的协同过滤推荐算法相比较,提出的算法有更高的有效性和准确性,提升了系统的推荐质量。 关键词:用户特点模型论文 协同过滤论文 兴趣度论文 贝叶斯算法论文 用户相似度论文
本论文由http://www.qqg88.com整理提供,需要 论文可以联系客服人员哦。

    内容摘要4-6

    Abstract6-12

    第1章 导论12-17

    1.1 探讨背景12

    1.2 国内外探讨近况12-14

    1.3 探讨目标与探讨作用14-15

    1.3.1 探讨目标14

    1.3.2 探讨作用14-15

    1.4 探讨内容15-16

    1.5 本论文组织结构16

    1.6 本章小结16-17

    第2章 个性化推荐系统相关技术及介绍17-26

    2.1 个性化推荐系统概述17-19

    2.1.1 个性化推荐系统介绍17-18

    2.1.2 个性化推荐系统的功能18

    2.1.3 个性化推荐系统的构成18-19

    2.2 个性化推荐的运用领域19-20

    2.3 个性化推荐系统的总体框架20-23

    2.4 个性化推荐的相关技术23-25

    2.4.1 信息过滤23

    2.4.2 数据挖掘23-24

    2.4.3 其他24-25

    2.5 本章小结25-26

    第3章 传统的协同过滤推荐技术26-38

    3.1 基于用户的协同过滤推荐技术26-28

    3.1.1 用户档案26-27

    3.1.2 用户最近邻居27-28

    3.1.3

千果论文网专注 毕业论文与职称论文以及论文 表业务,如有需要请联系客服人员!