基于協(xié)同過(guò)濾模型的移動(dòng)應(yīng)用混合推薦算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
隨著移動(dòng)應(yīng)用的急速增長(zhǎng)，手機(jī)助手等移動(dòng)應(yīng)用獲取平臺(tái)也面臨著信息過(guò)載的問(wèn)題．面對(duì)大量的移動(dòng)應(yīng)用，用戶很難找到最適合的；而另一方面，長(zhǎng)尾應(yīng)用淹沒(méi)在資源池中不易被人所知．已有推薦方法多注重推薦準(zhǔn)確率，忽視了多樣性，推薦結(jié)果中多是下載量高的應(yīng)用，使得推薦系統(tǒng)的數(shù)據(jù)積累越來(lái)越偏向于熱門應(yīng)用，導(dǎo)致長(zhǎng)期的推薦效果越來(lái)越差．針對(duì)這一問(wèn)題，首先改進(jìn)了兩種推薦方法，提出了將用戶的主題模型和應(yīng)用的主題模型與MF相結(jié)合的LDA MF模型，以及將應(yīng)用的標(biāo)簽信息和用戶行為數(shù)據(jù)同時(shí)加以考慮的LDA CF算法．為了結(jié)合不同算法的優(yōu)點(diǎn)，在保證推薦準(zhǔn)確率的條件下提升推薦結(jié)果的多樣性，提出了融合LDA—MF，LDA_ CF以及經(jīng)典的基于物品的協(xié)同過(guò)濾模型的混合推薦算法．使用真實(shí)的大數(shù)據(jù)評(píng)測(cè)所提推薦算法，結(jié)果顯示，所提推薦方法能夠得到推薦多樣性更好且準(zhǔn)確率更高的結(jié)果．
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于協(xié)同過(guò)濾模型的移動(dòng)應(yīng)用混合推薦算法下載
相關(guān)電子資料下載
- TikTok將開(kāi)發(fā)獨(dú)立版推薦算法，以滿足美國(guó)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(píng)論》發(fā)布了最新的2021年10大突破性技術(shù)的概念 2814
- top-N推薦算法評(píng)測(cè)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(lái)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(chǎng)景、基于標(biāo)簽的推薦算法原理介紹 16714