网站大量收购独家精品文档,联系QQ:2885784924

基于内容的自适应推荐系统研究-信息与通信工程专业论文.docxVIP

基于内容的自适应推荐系统研究-信息与通信工程专业论文.docx

  1. 1、本文档共71页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
上海交通大学硕士论文 上海交通大学硕士论文 万方数据 万方数据 基于内容的自适应推荐系统研究 摘 要 随着互联网技术的迅猛发展,人们逐渐地从曾经的信息匮乏时代步 入了信息过载的时代。如何从海量信息里获取自己所需要的信息迅速 成为研究的热点。由于在信息过滤中的良好表现,推荐系统成为解决 信息过载问题有效方法,并产生了巨大的商业利润。由此推荐系统在 商业应用以及学术研究方面都有极大的研究价值。 在众多的推荐系统中,基于内容的推荐系统在文本推荐领域有着广 泛的应用。本文主要对内容推荐系统中初始模板的构建以及用户模板 的更新进行分析和研究,提出了一种应用于文本推荐的基于内容的自 适应推荐系统,以提高推荐的准确性及效率。 在建立初始用户模板方面,本文提出了一种基于 TextRank 算法建 立初始模板的方法,利用了用户提供信息中的集簇性。通过确定词义 项,聚类,建立图模型,引入各种影响力因子修正 TextRank 概率转移 矩阵等一系列操作,在只有少量数据的情况下,建立起一个精确的用 户模板,有效地提升了推荐精度。 在用户模板更新方面,本文在使用用户提供的新数据更新模板的同 时将信息检索中的伪相关反馈概念引入系统,更新用户模板。通过一 系列操作挑选最优反馈文档,筛选关键词,结合改进的 Rocchio 算法 更新模板,减少噪声引入,扩大了推荐范围,达到更好的推荐效果。 实验表明本文提出的基于内容自适应推荐系统有较好的推荐效果。 关键词:内容推荐算法,义项确定,TextRank,伪相关反馈,Rocchio 算法 I THE RESEARCH OF ADAPTIVE RECOMMENDATION SYSTEM BASED ON CONTENT ABSTRACT With the rapid development of internet technology,people step into the era of information overload from an era of information scarcity gradually. How to get our required information from huge amounts of information in this era quickly became a research hotspot. Due to good performance in information filtering, recommendation system become an effective way to solve information overload problem and bring huge commercial profits. Therefore recommendation system has great research value not only in business application but also in academic research. Among many kinds of recommendation system, recommendation system based on content has been widely used in the field of text recommendation. This paper majors in the construction of the initial user profile and user profile updating in the process of recommendation in content recommendation system. The author puts forward an adaptive recommendation system based on content applied in text recommendation, in order to improve the accuracy and efficiency of recommendation. In the respect of building initial user profile, this paper presents a method of building initial user profile based on TextRank which make full use of the character of cluster in users’ information. By taking a series of measures like

您可能关注的文档

文档评论(0)

1234554321 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档