免费论文摘要：鉴于用户爱好模子的共同过滤引荐算法接洽与实行

      跟着电子商务和天性化效劳的兴盛，引荐体例越来越变成派别网站和电子商务网站的要害维持，天性化引荐必将变成将来接洽的重要趋向之一。引荐体例的中心是引荐算法，普及引荐算法猜测精确度和使引荐算法符合用户爱好的变革是引荐算法接洽的中心实质。     为领会决引荐体例顶用户爱好迁徙题目和普及引荐猜测的精确率，正文提出了一种动静用户爱好模子（Dynamic User-Interest-Model，简称DUIM）。模子以拟合的回顾弧线来模仿功夫成分对用户爱好的感化，用以展现用户长久爱好和短期爱好的变革；同声在建立模型的进程中将用户的评阅动作看成开票动作，忽视单个名目（item）评阅的上下；并以向量空间模子来刻画DUIM，个中向量空间模子中的中心要害词沿用了类型的观念，权值以用户评阅动作的映照值来表白。鉴于DUIM，舆论提出了一种新的共同过滤引荐算法（Model-based Collaborative Filtering recommender algorithm，简称MCF），算法囊括预采用隔壁、隔壁采用、猜测评阅三个局部。对于预采用隔壁，MCF运用DUIM中包括的用户爱好向量将一切用户举行发端会合减少目的用户隔壁采用空间；对于隔壁采用，算法运用原始的用户评阅向量经过计划一致度决定目的用户的隔壁；对于猜测评阅，算法运用隔壁用户的评阅消息来猜测目的用户的评阅。       鉴于之上接洽，舆论安排实行了试验体例原形。为了考证MCF的灵验性，舆论特意安排了一组试验，举行正文算法与同类参考算法的比拟领会，为了接洽参数对正文算法的感化，舆论以遏制变量的本领举行了多组比拟试验。试验截止表白，MCF比参考算法博得了更好的猜测精确度，而且MCF中的聚类数量、隔壁数量参数对算法的感化表露出确定的顺序。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/283670.html