运用隐式反馈的基于时间的推荐系统_第1页
运用隐式反馈的基于时间的推荐系统_第2页
运用隐式反馈的基于时间的推荐系统_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

运用隐式反馈的基于时间的推荐系统 (2010-10-14 10:31:29)转载标签：矩阵商品过滤数据集it分类：个性化推荐与搜索推荐系统为用户提供个性化的产品或者服务。协同过滤是一种在其他用户对商品的显式评分数据集的基础上广泛使用的个性化推荐算法。然而在电子商务环境，譬如移动环境，很难收集显式数据，只能获取隐式数据。与传统方法不一样，考虑根据隐式数据，将其转换成评分数据。在构建伪评分数据矩阵时，加入时序信息，譬如用户购买商品时间，商品上架时间，从而提高推荐的准确性。随着电子商务的发展，出现了很多推荐系统。这些系统为用户提供个性化的商品和服务，从而为用户减少寻找正确的商品节省更多的时间。协同过滤是一种广泛应用和证明可以提供推荐服务的方法。很多基于协同过滤的推荐系统依赖于从用户那里收集的显式反馈。评分和评价是典型的显式反馈。由于评分比评论更加容易量化，在实际中大多数协同过滤算法使用评分数据。协同过滤算法，主要专注于使用评分数据计算用户之间或者商品之间的相似性。对于基于协同过滤的推荐系统来说，推荐的质量依赖于反馈的质量。当用户客观真实地评价，使用评分信息是最好的量化用户喜好的方法之一。然而，很多用户是随意的评分，这样就不能正确地反映他们的意见。在某些环境下，获取显式反馈是非常困难的。譬如，在移动环境中，服务费是根据连接的时间段来收费的。为了减少费用，用户希望尽可能的减少连接时间。因此，期望用户积极参与到评分中是不切实际的。在这种情况下，更多的依赖于隐式反馈。隐式反馈的数据量往往是海量的。然而，其中能够用于推荐中的数据又是相对很小，必须通过预处理进行抽取。这种基于日志的推荐系统可能不适合大型电子商务环境中的实时推荐。在某些电子商务环境中，推荐的准确性非常重要。例如，移动设备的显式尺寸还是很有限。推荐系统应该提供少量的非常相关的商品，从而适合屏幕显示。1根据用户的隐式反馈数据为协同过滤构建伪评分数据矩阵。在构建伪评分数据时，加入时序信息，用户购买时间和商品上架时间，用以增强推荐的准确性。2在这种基于时序信息的方法的协同过滤的基础上，开发移动电子商务环境相爱的推荐系统基于时序信息的伪评分矩阵根据用户购买信息建立伪评分矩阵，在该矩阵中用户A购买商品1,3和4.；用户B购买了商品2和3；用户C购买了商品1和4。商品上架时间和用户购买时间PTime表示用户购买商品的时间，LTime表示商品上架时间基于时间的伪评分数据矩阵(1)越是最近的购买越能够反映用户的当前喜好(2)最近上架的商品能够吸引更多的用户在这两个观察的基础上，定义评分函数W，计算评分值：W（pi，lj）=上架时间为lj的商品在pi时被购买的分值计算步骤：（1）收集隐式反馈数据：收集两种类型的数据，用户购买数据集和商品上架时间数据集（2）构建伪评分矩阵：根据定义的评分函数，构建伪评分矩阵。评分函数依赖于要被推荐的商品或者服务。如果用户对商品上架时间敏感，就应该给新商品更高的权重；
人人文库> 全部分类> 行业资料 > 管理策划

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论