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、隨著定位技術(shù)的發(fā)展,用戶地理位置的實(shí)時(shí)獲取變得越來(lái)越簡(jiǎn)單,這帶來(lái)了基于位置的社交網(wǎng)絡(luò)飛速發(fā)展。同時(shí),越來(lái)越多的移動(dòng)終端接入到網(wǎng)絡(luò)中,它們提供的位置信息也給用戶帶來(lái)了更加豐富的資訊信息?;谖恢玫纳缃痪W(wǎng)絡(luò)個(gè)性化推薦系統(tǒng)與電子商務(wù)、O2O等行業(yè)緊密聯(lián)系在一起,具有極高的經(jīng)濟(jì)價(jià)值,因此研究基于LBSN的個(gè)性化推薦技術(shù)已經(jīng)成為當(dāng)今學(xué)術(shù)界非常熱門的研究領(lǐng)域。
本文探究LBSN個(gè)性化推薦系統(tǒng)的理論和相關(guān)技術(shù),并對(duì)常用的推薦算法進(jìn)行了簡(jiǎn)單介
2、紹。研究了當(dāng)前主流的LBSN個(gè)性化推薦技術(shù)框架,總結(jié)了聚類技術(shù)以及好友推薦模型中的不足,并據(jù)此提出了兩種改進(jìn)算法。一種是基于LBSN的聚類算法,用于獲取更好的聚類結(jié)果;另一種是將好友推薦模型中好友間的對(duì)稱性融入到推薦結(jié)果中,并在此基礎(chǔ)上提出一種完全對(duì)稱性好友推薦結(jié)果,這種推薦結(jié)果具有更好的準(zhǔn)確率和召回率。
本文首先本文介紹了研究背景及研究意義,并闡述了基于LBSN個(gè)性化推薦技術(shù)的研究現(xiàn)狀與進(jìn)展。接著,本文對(duì)個(gè)性化推薦技術(shù)的相關(guān)
3、理論基礎(chǔ)和各種推薦算法的優(yōu)缺點(diǎn)進(jìn)行了歸類總結(jié)。然后,本文介紹了聚類算法在LBSN個(gè)性化推薦技術(shù)中的應(yīng)用,分析了傳統(tǒng)聚類算法在基于LBSN網(wǎng)絡(luò)中存在的不足,提出了一種面向LBSN的聚類算法,并通過(guò)實(shí)驗(yàn)證明本文提出的聚類算法具有更好的距離平方和和收斂速度。同時(shí),實(shí)驗(yàn)數(shù)據(jù)顯示,隨著半徑r的減小,本文算法的優(yōu)勢(shì)會(huì)更加明顯:一定條件下,相對(duì)于傳統(tǒng)k-medoids算法,本文算法的代價(jià)E可以縮小其到20%;相對(duì)于LPKMD算法,代價(jià)E能夠縮小1.2
4、%到2%。此外,本文還針對(duì)傳統(tǒng)TOP-n算法在好友推薦時(shí)所忽略的好友間對(duì)稱性問(wèn)題,提出了一種雙向TOP-n算法,該算法使用了兩種增量策略來(lái)構(gòu)建相似性圖譜,將用戶間的感興趣度轉(zhuǎn)化為有向圖,并通過(guò)實(shí)驗(yàn)證明該算法具有更好的準(zhǔn)確率和召回率。實(shí)驗(yàn)顯示,雙向TOP-n算法在不同的推薦個(gè)數(shù)N以及增量k下優(yōu)勢(shì)不同,但總體結(jié)果均好于傳統(tǒng)算法,本文推薦算法的準(zhǔn)確率隨著推薦個(gè)數(shù)N的增加而顯著減小,召回率逐步增加。具有完全對(duì)稱性推薦結(jié)果的CSTOP-n算法以更
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
- 基于tag的個(gè)性化推薦技術(shù)研究.pdf
- 基于用戶興趣的個(gè)性化推薦技術(shù)研究.pdf
- 基于圖模型的個(gè)性化推薦技術(shù)研究.pdf
- 基于WUM的個(gè)性化智能推薦技術(shù)研究.pdf
- 基于案例推理的個(gè)性化推薦技術(shù)研究.pdf
- 基于用戶體驗(yàn)的個(gè)性化服裝推薦技術(shù)研究.pdf
- 基于圖模型的個(gè)性化標(biāo)簽推薦技術(shù)研究.pdf
- 社交網(wǎng)絡(luò)個(gè)性化推薦技術(shù)研究.pdf
- Web頁(yè)面?zhèn)€性化推薦技術(shù)研究.pdf
- 教育資源個(gè)性化推薦技術(shù)研究.pdf
- 基于遺傳學(xué)方法的個(gè)性化推薦技術(shù)研究.pdf
- 基于聚類的個(gè)性化推薦關(guān)鍵技術(shù)研究.pdf
- 基于用戶分析的個(gè)性化微博推薦技術(shù)研究.pdf
- 校園頭條中個(gè)性化推薦技術(shù)研究.pdf
- 基于本體的個(gè)性化知識(shí)推薦技術(shù)研究及應(yīng)用.pdf
- 基于時(shí)間上下文的個(gè)性化推薦技術(shù)研究.pdf
- 個(gè)性化推薦技術(shù)研究與系統(tǒng)設(shè)計(jì).pdf
- 基于時(shí)間因素的個(gè)性化推薦技術(shù)研究與實(shí)現(xiàn).pdf
- 基于XML及關(guān)聯(lián)規(guī)則的個(gè)性化推薦技術(shù)研究.pdf
- 面向Twitter的個(gè)性化信息推薦技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論