推荐系统学习汇报.pptxVIP

学习汇报2;contents;;协同过滤推荐系统的案例分析;;数据支持： 1.获取数据的方式，即为用户的特征提取，有显式获取，隐式获取，启发式获取 2.数据存在于数据库的管理系统中。数据库管理系统用于数据的存储和管理，主要涉及到原始数据和转化数据的存放及表之间关系的确立，并便于程序访问和使用。;建立模型： 用户模型，推荐对象模型 1.基于模型的方法不是基于一些启发规则进行预测计算，而是基于对已有数据应用统计和机器学习生成的模型进行预测。目前，基于模型推荐的协同过滤算法主要有聚类模型，Bayes模型，关联规则模型，语义生成模型等。 2.用户模型：建模方式主要有遗传算法，基于机器学习的方法，例如TF-LDF、自动聚类、贝叶斯分类器，决策树归纳和神经网络方法等。 （1）遗传算法采用遗传结合、遗传交叉变异以及自然选择等操作实现建模，通过遗传进??满足用户兴趣变化时完成模型的更新。 （2）机器学习：a.TF-LDF将用户感兴趣的文档表示成关键词向量，并计算出每个关键词权重来建立用户模型 b.使用贝叶斯分类器的系统计算用户浏览或访问过的推荐对象属于某个给定类的概率，然后依据概率将资源项目分类来建立用户对这些资源项目的偏好模型 ; c:使用决策树归纳作为用户模型学习技术的系统将用户偏好的获