没有合适的资源?快使用搜索试试~ 我知道了~
电影个性化推荐系统.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 177 浏览量
2022-05-03
17:59:49
上传
评论 1
收藏 69KB DOCX 举报
温馨提示
试读
11页
个性化推荐的最大的优点在于,它能收集用户特征资料并根据用户特征,如兴趣偏好,为用户主动作出个性化的推荐。而且,系统给出的推荐是可以实时更新的,即当 系统中的商品库或用户特征库发生改变时,给出的推荐序列会自动改变。这就大大提高了电子商务活动的简便性和有效性,同时也提高了企业的服务水平。 总体说来,一个成功的个性化推荐系统的作用主要表现在以下三个方面: 1) 将电子商务网站的浏览者转变为购买者:电子商务系统的访问者在浏览过程中经常并没有购买欲望,个性化推荐系统能够向用户推荐他们感兴趣的商品,从而促成购买过程。 2)提高电子商务网站的交叉销售能力:个性化推荐系统在用户购买过程中向用户提供其他有价值的商品推荐,用户能够从系统提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品,从而有效提高电子商务系统的交叉销售。 3)提高客户对电子商务网站的忠诚度:与传统的商务模式相比,电子商务系统使得用户拥有越来越多的选择,用户更换商家极其方便,只需要点击一两次鼠标就可以在不同的电子商务系统之间跳转。个性化推荐系统分析用户的购买习惯,根据用户需求向用户提供有价值的商品推荐。如果推荐系统的推荐
资源推荐
资源详情
资源评论
基于内容的协同过滤电影推荐系统比
较
一.引言
随着信息技术和网络技术的飞速发展,一些视频网站有大量的电影资源,一个好
的电影推荐系统能为用户提供个性化服务,本报告是根据 movielens 上 100k 的
数据,实现了基于内容的推荐系统,其中用皮尔逊系数 欧几里得距离 余弦函数
三种方法分别计算了电影相似矩阵,并用 RMSE 值作为目标参数对三种方法的效
果进行了比较。
二.各种推荐系统简介
推荐系统是网络信息个性化服务的实现方式和未来的发展方向。随着国际互
联网的迅速发展,网络用户对 Internet 所提供的信息和服务也提出了新的要求,
浏览信息不再是他们上网的唯一目的,他们希望随时随地地掌握对他们有价值的
信息,从而获得更好的用户体验。这要求互联网提供的是一种经过筛选 、整合、
优化之后的个性化服务。
推荐系统根据其采用的技术可分为: 基于内容的推荐系统、基于用户的推荐
系统、协作过滤推荐系统和基于数据挖掘的推荐系统。也有混合使用上述方法的
混合推荐系统。
基于内容的推荐系统
基于内容过滤的推荐系统是利用项目内容和用户兴趣的相似性来进
行推荐。其基本思想是: 对每个 用户都用一个用户的兴趣模型 ( User
Prole)的文件构 成数据结构来描述其喜爱偏好; 对每个项目内容都进
行特征提取, 形成特征向量; 当需要对某个用户进行 推荐时, 把该用户的
用户兴趣模型同所有项目的特征 矩阵进行比较得到二者的相似度, 而后
通过相似度行推荐。
基于用户的推荐系统
基于用户行为的个性化推荐系统算法思想 基于用户行为的个性化
推荐系统主要使用于面向 用户的电子商务网站,列如传统的B2C、
C2C等。主 要以网站销售的商品为推荐对象,如食品、衣服、电
影和新闻等。 本系统以用户浏览网站时经常带有明确目的性, 用户
很多浏览行为都能很好地反映用户兴趣爱好为依 据,从服务器日志中
挖掘出代表用户兴趣的模型,利 用路经聚类方法进行聚类,将大规模
用户集合转变为 具有近似爱好的用户簇。 用户行为聚类后,在每个
聚类簇中应用改进的协 同过滤技术。这种前向融合技术,能够通过缩
小协同 过滤的输入规模,减少用户评分矩阵纵向的深度,将 评分矩
阵中用户之间没有任何关系,转变为具有一定 相似性的用户集合,提
高了相似性度量结果的准确性。 改进的协同过滤技术是将用户对某个
商品的评分转变 为对某类商品的评分,减小了用户评分横向的宽度,
并通过公式计算出用户的评分值,避免了用户显示评 分难获得和真实
性问题,从而进一度降低了数据稀疏 性,提高了推荐精度
协同过滤推荐系统
协同过滤推荐是应用最成功的推荐技术, 它通过 分析用户兴趣, 在用
户集合中寻找指定用户的相似 用户, 综合相似用户对某一项目的评价, 形
成对该指 定用户对此项目的评分预测。协同过滤的推荐过程 可分为 3 个
部分: 用户兴趣文件表示; 计算当前用户与其它用户的相似度生成 最近邻
居集; 产生推荐数据集。
协同过滤是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与
传统的基于内容过滤直接分析内容进行推荐不同,协同过滤分析用户兴趣,
在用户群中找到指定用户的相似(兴趣)用户,综合这些相似用户对某一
信息的评价,形成系统对该指定用户对此信息的喜好程度预测。
与传统文本过滤相比,协同过滤有下列优点:
1)能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐;
2)能够基于一些复杂的,难以表达的概念(信息质量、品位)进行过滤;
3)推荐的新颖性。 正因为如此,协同过滤在商业应用上也取得了不错的
成绩。Amazon,CDNow,MovieFinder,都采用了协同过滤的技术来
提高服务质量。
协同过滤推荐算法,可进一步细分为基于用户的协同过滤(user-based
collaborative ltering)和基于物品的协同过滤(item-based
collaborative ltering)。
基于用户的协同过滤的基本思想是:根据所有用户对物品或者信息的偏好,
发现与当前用户口味和偏好相似的“邻居”用户群,在一般的应用中是采用
计算“K- 邻居”的算法;然后,基于这 K 个邻居的历史偏好信息,为当前
用户进行物品的推荐。
基于物品的协同过滤的基本原理也类似,该方法根据用户和物品直接历史
点击或购买记录,来计算物品和物品之间的相似度,然后根据用户的历史
偏好的物品信息,将挖掘到的类似的物品推荐给用户
基于用户的协同过滤和基于物品的协同过滤各自有其适用场景。总的来看,
协同过滤方法的缺点是:
1)冷启动问题:如果用户对商品的评价非常稀疏,这样基于用户的评价
所得到的用户间的相似性可能不准确(即稀疏性问题);
2)随着用户和商品的增多,系统的性能会越来越低(即可扩展性问题);
3)最初评价问题(rst rater):如果从来没有用户对某一商品加以评
价,则这个商品就不可能被推荐
三.个性化推荐系统的作用以及前景
个性化推荐的最大的优点在于,它能收集用户特征资料并根据用户特征,
如兴趣偏好,为用户主动作出个性化的推荐。而且,系统给出的推荐是可以
实时更新的,即当 系统中的商品库或用户特征库发生改变时,给出的推荐
序列会自动改变。这就大大提高了电子商务活动的简便性和有效性,同时也
提高了企业的服务水平。
总体说来,一个成功的个性化推荐系统的作用主要表现在以下三个方面:
1) 将电子商务网站的浏览者转变为购买者:电子商务系统的访问者在浏览
过程中经常并没有购买欲望,个性化推荐系统能够向用户推荐他们感兴趣的
商品,从而促成购买过程。
2)提高电子商务网站的交叉销售能力:个性化推荐系统在用户购买过程中
向用户提供其他有价值的商品推荐,用户能够从系统提供的推荐列表中购买
自己确实需要但在购买过程中没有想到的商品,从而有效提高电子商务系统
的交叉销售。
3)提高客户对电子商务网站的忠诚度:与传统的商务模式相比,电子商务
系统使得用户拥有越来越多的选择,用户更换商家极其方便,只需要点击一
两次鼠标就可以在不同的电子商务系统之间跳转。个性化推荐系统分析用户
剩余10页未读,继续阅读
资源评论
等天晴i
- 粉丝: 3524
- 资源: 10万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功