推荐系统综述_第1页
推荐系统综述_第2页
推荐系统综述_第3页
推荐系统综述_第4页
推荐系统综述_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、推荐算法综述16721499 徐泉华徐泉华推荐系统目的推荐系统目的：解决信息过载问题宗旨：宗旨：为用户快速找到其所需要的信息经典的推荐技术经典的推荐技术基于用户基于项目如果大部分用户对一些项的评分比较相似,则当前用户对这些项的评分也比较相似如果一些用户对某一类项目的打分比较接近，则他们对其它类项目的打分也比较接近。协同过滤协同过滤-基于基于内存内存协同过滤协同过滤-基于基于内存内存表示邻居用户形成推荐生成开始开始读入读入用户评分用户评分计算用户计算用户相似性相似性根据用户相根据用户相似性排序选似性排序选择前择前K K个邻居个邻居根据根据K K近邻的近邻的评分项目预评分项目预测用户评分测用户评分

2、选择预测评分最选择预测评分最高的前高的前N N个项目个项目作为推荐列表作为推荐列表结束结束协同过滤协同过滤-基于内存基于内存表示邻居用户形成推荐生成协同过滤协同过滤-基于基于内存内存协同过滤协同过滤-基于基于内存内存协同过滤协同过滤-基于内存基于内存缺点：稀疏性问题冷启动问题可扩展性问题实时性问题协同过滤协同过滤-基于基于模型模型实时性问题可扩展性问题稀疏性问题协同过滤协同过滤-基于模型基于模型将建模技术运用到协同过滤算法中, 采用一定方法训练相关历史数据建立模型,当用户到达时,只需扫描一遍评分数据库就能确定目标用户相对比较喜欢的项目,来实现在线预测推荐。线下：模型建立（数据挖掘技术）模型具有

3、滞后效应，需要周期性更新模型建立算法复杂，耗时，必须线下进行线上：推荐性能的优劣关键在于好的模型建立与否, 好的模型相对原始数据集而言小得多却能挖掘出用户和项目之间更多的潜在关系，一定程度上缓解了推荐算法的实时性问题。协同过滤协同过滤-基于模型基于模型聚类聚类l聚类聚类一个集群一旦形成之后，在这个集群中的其他用户的观点可以被加权地用来作为为个人用户推荐的依据。集群内部的相似性很高，而不同集群间的相似度很低某些聚类算法中，一个用户可以同时属于不同的集群，只是所占的比不同，最后的推荐结果通过用户所占不同集群的权重加权求和来获得优点：聚类技术能够有效地减少在协同过滤出算法中的候选集，提高算法效率协同

4、过滤协同过滤-基于模型基于模型基于内容的推荐基于内容的推荐项目或对象通过相关特征的属性来定义,而用户的兴趣通过用户所评价对象的特征来获取,依据目标用户兴趣资料与待预测项目的匹配程度进行推荐在文本信息方面应用最为成功。News Dude、LIBBR基于内容的推荐基于内容的推荐优点：即使用户没有对新加入的项目做出评分，该算法也有能力为用户做出推荐。如果不同的用户并不共享他们对于项目的评分信息，基于内容的推荐算法也能应对自如如果用户的偏好发生了变化，它能够在极短的时间内做出调整并完成推荐。给为用户做出的推荐列表做出合理的解释组合推荐组合推荐原则：原则：通过组合后应能避免或弥补单独的推荐技术各自的缺陷。组合推荐组合推荐混合方式混合方式推荐结果混合：多种推荐方法各自产生推荐结果，将推荐结果组合。（投票机制）推荐算法

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论