检索结果-南通市图书馆

检索条件"主题词=BayesianPersonalized Ranking算法"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于异构用户反馈数据的协同过滤算法研究

基于异构用户反馈数据的协同过滤算法研究

引用

作者：钟豪浙江大学

学位级别：硕士

随着互联网技术的发展,尤其是Web2.0技术的成熟,我们面临着越来越严重的信息过载问题,推荐系统技术是为了解决这个问题应运而生的。协同过滤推荐算法是推荐系统应用最为广泛的技术,具有重要的研究价值和应用价值。本文研究在“显式反馈... 详细信息

随着互联网技术的发展,尤其是Web2.0技术的成熟,我们面临着越来越严重的信息过载问题,推荐系统技术是为了解决这个问题应运而生的。协同过滤推荐算法是推荐系统应用最为广泛的技术,具有重要的研究价值和应用价值。本文研究在“显式反馈和隐式反馈相结合”和“多种隐式反馈相结合”的场景下的推荐算法,并分别提出了基于压缩知识迁移的Factorization Machine算法和基于多种隐式反馈的自适应BPR算法,并设计相应的对比实验对算法的效果进行验证。具体的研究工作如下：(1)针对推荐系统中存在的“显式反馈和隐式反馈相结合”的异构问题进行研究,提出了一个基于压缩知识迁移的Factorization Machine算法,将原始的隐式反馈数据通过SVD分解和k-means聚类进行降维,从而提高推荐准确度和算法效率。(2)针对推荐系统存在的“多种隐式反馈相结合”的异构问题,针对异构的多种隐式反馈的特点,提出了基于多种隐式反馈的自适应BPR算法,利用置信度来解决隐式反馈的不确定性问题,从而解决BPR算法无法适应异构隐式反馈的问题。(3)设计对比实验验证本文所提出算法的效果,实验结果表明基于压缩知识迁移的Factorization Machine算法和基于多种隐式反馈的自适应BPR算法的推荐准确度和算法效率比基准算法要好很多。

关键词：推荐系统协同过滤迁移学习 Factorization Machine算法 bayesianpersonalized ranking算法矩阵分解

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：