電子發燒友網>電子資料下載>模擬數字>如何使用標簽權重進行協同過濾推薦算法的資料說明

如何使用標簽權重進行協同過濾推薦算法的資料說明

2474220 2019-05-14 | rar | 0.81 MB | 次下載 | 免費

資料介紹

　　針對傳統協同過濾推薦算法中由于相似度計算導致推薦精度不足的問題，提出一種基于標簽權重相似度量方法的協同過濾推薦算法。首先，通過改進當前算法中標簽權重的計算，并構成用戶標簽權重矩陣和物品-標簽權重矩陣;其次，考慮到推薦系統是以用戶為中心進行推薦，繼而通過構建用戶物品關聯矩陣來獲取用戶對物品最準確的評價和需求;最后，根據用戶-物品的二部圖，利用物質擴散算法計算基于標簽權重的用戶間相似度，并為目標用戶生成推薦列表。實驗結果表明，與一種基于“用戶-項目一用戶興趣標簽圖”的協同好友推薦算法（ UITGCF）相比，在稀疏度環境為0.1時該算法的召回率、準確率和F1值分別提高了14. 69% 9. 44%、17. 23%。當推薦項目數量為10時，三個指標分別提高了17. 99%、8. 98%、16.27%。結果表明基于標簽權重的協同過濾推薦算法可有效提高推薦結果。

　　近年來，隨著物聯網、云計算和社會網絡等技術的迅猛發展，網絡空間中所蘊含的信息量呈指數級增長1 在大數據時代，信息消費者難以在海量數據中有效挖掘信息，推薦系統應運而生。推薦系統的主要作用是通過從大量數據中檢索最相關的信息和服務來減少信息過載，從而提供個性化的服務。其在學術界和工業界取得了大量相關研究成果。推薦系統主要應用于在線電子商務網站：21（如eBay、Amazon、阿里巴巴、亞馬遜、豆瓣等），社交網絡［3］（如Twitter、Facebook、新浪微博等），信息檢索（如Google GroupLens、百度等），以及移動應用，個性化郵件，基于位置的服務等各個領域。
?