基于協同過濾模型的移動應用混合推薦算法
大小：1.55 MB 人氣： 2018-01-02 需要積分：2
隨著移動應用的急速增長，手機助手等移動應用獲取平臺也面臨著信息過載的問題．面對大量的移動應用，用戶很難找到最適合的；而另一方面，長尾應用淹沒在資源池中不易被人所知．已有推薦方法多注重推薦準確率，忽視了多樣性，推薦結果中多是下載量高的應用，使得推薦系統的數據積累越來越偏向于熱門應用，導致長期的推薦效果越來越差．針對這一問題，首先改進了兩種推薦方法，提出了將用戶的主題模型和應用的主題模型與MF相結合的LDA MF模型，以及將應用的標簽信息和用戶行為數據同時加以考慮的LDA CF算法．為了結合不同算法的優點，在保證推薦準確率的條件下提升推薦結果的多樣性，提出了融合LDA—MF，LDA_ CF以及經典的基于物品的協同過濾模型的混合推薦算法．使用真實的大數據評測所提推薦算法，結果顯示，所提推薦方法能夠得到推薦多樣性更好且準確率更高的結果．
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于協同過濾模型的移動應用混合推薦算法下載
相關電子資料下載
- TikTok將開發獨立版推薦算法，以滿足美國用戶需求？ 426
- 快手的短視頻推薦算法（1） 782
- 詳解推薦算法的架構流程 2871
- 《麻省理工科技評論》發布了最新的2021年10大突破性技術的概念 2814
- top-N推薦算法評測的影響有哪些？ 1846
- 基于賽靈思FPGA的廣告推薦算法Wide and deep硬件加速案例 2775
- 互聯網廣告推薦迎來變革，雪湖科技聯合賽靈思發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
- 基于深度學習的推薦算法大部分都存在不同程度的數據集缺失和源碼缺失 3690
- 基于標簽的推薦算法應用場景、基于標簽的推薦算法原理介紹 16714