免费论文摘要：鉴于用户动作的消息引荐本领接洽与实行

探求引擎本领在资源量宏大、用户需要不精确的功夫不许实足满意用户连接延长地获守信息的需要，所以消息引荐本领应运而生。为了缓和消息过载的题目，简单华夏高科技资源网用户获得高科技资源和效劳，正文从以次三方面临消息引荐本领举行了接洽。（1）很多引荐体例经过用户的显式动作举行关系的引荐，而忽略了用户隐式动作的运用。正文将用户隐式动作变换为显式评阅，从而创造用户名目评阅模子。正文提出了三种将用户隐式动作变换显式评阅的办法，辨别为：多元线性回归、用户对立爱好和用户动作分门别类。在阿里数据集上的试验表白，鉴于用户动作分门别类的本领展现功效最优，其次是用户对立爱好的本领。该试验也证明正文提出的用户隐式动作变换为显式评阅模子的灵验性。（2）对准共同过滤本领中各别项手段一致度计划展示的局部项手段一致度没辙计划、对稠密数据功效较差等题目，正文提出了Dice-Euclidean一致度算法。该算法归纳商量两个项手段共通评阅数占总评阅数的比率，评阅向量夹角和评阅向量隔绝三个因从来测量向量的一致度。试验截止为：Dice-Euclidean算法比拟Cosine、Pearson、Adjusted Cosine、CF-P-D算法，MAE值贬低了10.2%、21.9%、6.3%、4.0%，其余，Dice-Euclidean算法比拟其余算法在数据稠密的情景下展现较好。（3）大普遍引荐体例在天生引荐列表时，常常目标于商量引荐列表的精确率而忽略引荐的百般性。正文在领会已有的引荐列表百般性矫正算法的普通上，提出了经过聚类来普及引荐列表百般性的算法。该算法将待引荐的名目举行聚类领会，而后从每个类型当选出精确率最高的名目动作引荐截止。试验截止为：鉴于聚类的算法、鉴于时髦度叶序算法、鉴于名目猜测评阅叶序的算法与规范排序算法比拟在精确率辨别丢失1.87%、5.6%、7.0%情景下，百般性辨别普及了66.2%、30.2%、31.7%。在之上接洽普通上，正文安排并实行了一个鉴于用户动作的消息引荐体例，并将其运用到华夏高科技资源网中。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/283245.html