基于特征偏好分析的改進(jìn)混合推薦算法
大小：0.59 MB 人氣： 2017-11-30 需要積分：1
標(biāo)簽：推薦算法(9953)
針對當(dāng)前推薦算法中存在的一些問題，本文提出通過基于用戶特征分析和產(chǎn)品特征分析結(jié)合的改進(jìn)混合推薦算法。用戶初次進(jìn)入系統(tǒng)后，首先通過ICT-CLAS技術(shù)對評論文本進(jìn)行分詞和詞性標(biāo)注，再將特征詞歸納量化，計算物品特征權(quán)重，完成數(shù)據(jù)第一步采集處理；下一步基于用戶行為計算用戶偏好特征值；結(jié)合傳統(tǒng)協(xié)同過濾推薦算法，通過鄰居用戶聚類，計算用戶對其它項目的評價得分，向用戶推薦得分最高的項目內(nèi)容。經(jīng)過實(shí)驗，結(jié)果表明該方法可以提高推薦的精確度。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于特征偏好分析的改進(jìn)混合推薦算法下載
相關(guān)電子資料下載
- TikTok將開發(fā)獨(dú)立版推薦算法，以滿足美國用戶需求？ 426
- 快手的短視頻推薦算法（1） 782
- 詳解推薦算法的架構(gòu)流程 2871
- 《麻省理工科技評論》發(fā)布了最新的2021年10大突破性技術(shù)的概念 2813
- top-N推薦算法評測的影響有哪些？ 1846
- 基于賽靈思FPGA的廣告推薦算法Wide and deep硬件加速案例 2775
- 互聯(lián)網(wǎng)廣告推薦迎來變革，雪湖科技聯(lián)合賽靈思發(fā)布推薦算法解決方案 1614
- 基于阿里云FPGA云的廣告推薦算法加速器 985
- 基于深度學(xué)習(xí)的推薦算法大部分都存在不同程度的數(shù)據(jù)集缺失和源碼缺失 3690
- 基于標(biāo)簽的推薦算法應(yīng)用場景、基于標(biāo)簽的推薦算法原理介紹 16714