生物信息學推薦系統(tǒng)的設計與實現(xiàn)-文庫吧
2025-05-12 21:42 本頁面
【正文】 不能推薦用戶潛在感興趣的項目。而協(xié)同過濾系統(tǒng)能推薦出用戶近鄰所喜歡的項目，通過用戶與近鄰之間的“交流”，發(fā)現(xiàn)用戶潛在的興趣。因此本文所用的算法是基于協(xié)同過濾的推薦算法。 (4)推薦結果。顯示的任務是把推薦算法生成的推薦顯示給用戶，完成對用戶的推薦。目前最常用的推薦可視化方法是 Top－ N 列 表[7]，按照從大到小順序把推薦分值最高的 NN 2 生物信息學推薦系統(tǒng)的設計 主頁： 綜合各種推薦技術的性能與優(yōu)缺點，本文構造的生物信息學推薦系統(tǒng)的總體結構如圖 2 所示。 生物信息學推薦系統(tǒng)實現(xiàn)的主要功能是在用戶登錄生物信息學網站時，所留下的登錄信息通過網站傳遞到推薦算法部分；推薦算法根據(jù)該用戶的用戶名從數(shù)據(jù)庫提取出推薦列表，并返回到網站的用戶界面；用戶訪問的記錄返回到數(shù)據(jù)庫，系統(tǒng)定時調用推薦算法，對數(shù)據(jù)庫中用戶訪問信息的數(shù) 據(jù)進行分析計算，形成推薦列表。 本系統(tǒng)采用基于近鄰的協(xié)同過濾推薦算法，其結構可以進一步細化為如圖 3 所示。算法分為鄰居形成和推薦形成兩大部分，兩部分可以獨立進行。這是該推薦系統(tǒng)有別于其他系統(tǒng)的優(yōu)勢之一。由于信息獲取后的用戶 — 項目矩陣維數(shù)較大，使得系統(tǒng)的可擴展性降低。本系統(tǒng)采用 SVD 矩陣降維方法，減少用戶 — 項目矩陣的維數(shù)，在計算用戶相似度時大大降低了運算的次數(shù)，提高了推薦算法的效率。 (1)信息獲取。用戶對項目的評價是基于用戶對某一個項目 (為表示簡單，以下提及的項目均指網站上的生物物種 )的點擊 次數(shù)來衡量的。當一個用戶注冊并填寫好個人情況以后，系統(tǒng)會自動為該用戶創(chuàng)建一個“信息矩陣”，該矩陣保存了所有項目的 ID 號以及相應的用戶主頁： 評價，保存的格式為： S+編號 +用戶評價， S 用于標記項目，每個項目編號及其評價都以“ S”相隔開；編號是唯一的，占 5 位；用戶評價是用戶點擊該項目的次數(shù)，規(guī)定其范圍是 0~100，系統(tǒng)設定當增加到 100 時不再變化。這樣做可防止形成矩陣時矩陣評價相差值過大而使推薦結果不準確。 (2)信息處理。信息處理是將所有用戶的信息矩陣轉換為用戶 — 項目矩陣，使用戶信息矩陣數(shù)值化，假設系統(tǒng)中有M 個用戶 和 N 個項目，信息處理的目的就是創(chuàng)建一個 M N 的矩陣R， R[I][J]代表用戶 I 對項目 J 的評價。 (3)矩陣處理。協(xié)同過濾技術的用戶 — 項目矩陣的數(shù)據(jù)表述方法所帶來的稀疏性嚴重制約了推薦效果，而且在系統(tǒng)較大的情況下，它既不能精確地產生推薦集，又忽視了數(shù)據(jù)之間潛在的關系，發(fā)現(xiàn)不了用戶潛在的興趣，而且龐大的矩陣增加了計算的復雜度，因此有必要對該矩陣的表述方式做優(yōu)化，進行矩陣處理。維數(shù)簡化是一種較好的方法，本文提出的算法應用單值分解 (Sin
環(huán)評公示相關推薦
鄂ICP備17016276號-1