用戶興趣偏好影響的物質(zhì)擴散推薦算法
大?。?/span>0.59 MB 人氣： 2017-12-27 需要積分：1
標簽：推薦算法(9953)
針對產(chǎn)品的異質(zhì)性沒有在推薦算法中得到很好利用的問題，提出一種考慮產(chǎn)品流行度對用戶興趣偏好影響的物質(zhì)擴散算法。通過模擬物質(zhì)在用戶一產(chǎn)品二部分網(wǎng)絡上的擴散過程，并且引入產(chǎn)品流行度的可調(diào)參數(shù)，對產(chǎn)品流行度的影響進行定量刻畫。在三個真實數(shù)據(jù)集上進行數(shù)值實驗結果表明，該算法與經(jīng)典的物質(zhì)擴散算法相比，MovieLens、Netflix和Last．FM數(shù)據(jù)集上的平均排序打分可以分別提高25. 60%、10. 96%和1.2%；推薦列表多樣性分別提高59. 30%、53. 07%和8.59%。所提出的非平衡的物質(zhì)擴散算法所得到的結果更切合實際。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
用戶興趣偏好影響的物質(zhì)擴散推薦算法下載
相關電子資料下載
- TikTok將開發(fā)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(fā)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(lián)網(wǎng)廣告推薦迎來變革，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
- 基于深度學習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
- 基于標簽的推薦算法應用場景、基于標簽的推薦算法原理介紹 16714