赵海红-人机交互.pptVIP

具体例子 * 大纲 * 背景 用户模型 推荐算法 具体实例 结论 结论 * 数据稀疏性的考虑 用户兴趣的描述 推荐的正确率与多样性的衡量 20%-80%的思想 爱的反义词 用户态度与用户的行为 参考文献 刘建国，周涛，汪秉宏，个性化推荐系统的研究进展，自然科学进展，2009年1月，第19卷，1-15页。 刘建国，周涛，郭强，汪秉宏，个性化推荐系统评价方法综述，复杂系统与复杂性科学，2009年9月，第6卷，1-10页。 Tao Zhou, Zoltan Kuscsik, Jian-Guo Liu, Matus Medo,Joseph Wakeling, Yi-Cheng Zhang,Solving the apparent diversity-accuracy dilemma of recommender systems。PNAS, 107 (2010) 4511-4515. Qian Wang, Xianhu Yuan, Min Sun,Collaborative Filtering Recommen dation Algorithm based on Hybrid User Model Discovering Collaborative Users based on Query Context A statistical Model for user preference * 致谢 * 衷心感谢、恳请赐教！ * * 导师：余 洁 学生：赵海红 Collaborative Filtering Recommendation Algorithm based on Hybrid User Model 大纲 * 背景 用户模型 推荐算法 具体实例 结论 大纲 * 背景 用户模型 推荐算法 具体实例 结论 推荐的目的 * 信息超载 服务人性化 服务个性化 推荐策略 基于协同过滤 基于内容 基于网络结构 混合模式 * 存在问题 * 数据稀疏性 内容获取 用户态度与用户行为的不一致性 推荐精度 推荐的多样性 算法的可扩展行 大纲 * 背景 用户模型 推荐算法 具体实例 结论 用户模型 在传统的协同过滤系统中的用户模型 就是一个用户对产品打分的一个矩阵，我们可以很清楚感觉到，其实构建这样的矩阵是比较简单的，同时在后来计算俩个矩阵的相似性来说也是比较通用的。但是最大的缺点我们也可以看： 对新用户和新资源很不实用。 打分不能很好的表达用户的真实意图。 。。。。 * 用户模型 本文提到的是混合用户模型 资源特征的描述 用户个人信息的描述 * 资源特征 个人信息 混合的用户模型 大纲 * 背景 用户模型 推荐算法 具体实例 结论 工作流程 * 大纲 * 背景 用户模型 推荐算法 具体实例 结论 具体例子 收集数据 构建用户模型 推荐算法 结果 * 工作流程 * 具体例子 * *