08信息過(guò)濾-文庫(kù)吧資料
2024-08-05 14:10本頁(yè)面
【正文】 被映射到低維空間中，消除了關(guān)系上的細(xì)微差別而保留了重要的潛在關(guān)聯(lián)性 ? K值太大會(huì)導(dǎo)致結(jié)果趨近于原始矩陣而失去挖掘潛在關(guān)聯(lián)的能力 ? K值太小則會(huì)使得關(guān)聯(lián)信息丟失太多，以至于對(duì)于用戶和項(xiàng)目的分辨能力不足 基于項(xiàng)目的協(xié)作過(guò)濾 ? 基于用戶的協(xié)作過(guò)濾系統(tǒng)通過(guò)遍歷整個(gè)用戶群建立用戶之間的相似關(guān)系，并推薦項(xiàng)目，對(duì)用戶規(guī)模龐大的過(guò)濾系統(tǒng)而言，這種方法極大影響推薦效率 ? 基于項(xiàng)目的協(xié)作過(guò)濾系統(tǒng)只針對(duì)目標(biāo)項(xiàng)目和活動(dòng)用戶已有項(xiàng)目之間進(jìn)行協(xié)作性檢測(cè)，從而在保證過(guò)濾效果的同時(shí)，大大提高了系統(tǒng)效率 ? 基于項(xiàng)目的協(xié)作過(guò)濾系統(tǒng)的核心問(wèn)題是檢測(cè)兩個(gè)項(xiàng)目之間的協(xié)作相似性 ? 區(qū)別于基于內(nèi)容的過(guò)濾，描述項(xiàng)目的特征空間不是由項(xiàng)目本身包含的詞、短語(yǔ)或句子構(gòu)成，而是用戶群對(duì)其進(jìn)行的綜合評(píng)分 項(xiàng)目打分 ? 用戶群對(duì)項(xiàng)目綜合評(píng)分 ? 基于這種定義，項(xiàng)目之間的相關(guān)性仍然可以采納余弦相似度和相關(guān)相似度等算法進(jìn)行度量 ? 用戶是否對(duì)項(xiàng)目 ti 感興趣，需要計(jì)算已知的相關(guān)項(xiàng)目與項(xiàng)目 ti 的綜合相似度 ? 項(xiàng)目之間的相似度不僅來(lái)源于共有相關(guān)用戶的數(shù)量，也來(lái)源于這些用戶對(duì)其喜好程度評(píng)分的相似性 ],[ ,2,1, nikiiii s c o rs c o rs c o rs c o rt ???用戶對(duì)項(xiàng)目的評(píng)價(jià) ? 用戶 u 對(duì)目標(biāo)項(xiàng)目 ti評(píng)分的估計(jì)方法有兩種 ? 權(quán)相加方法 Pu,i代表用戶 u對(duì)目標(biāo)項(xiàng)目 ti的評(píng)分估計(jì) Si,k代表用戶偏愛(ài)的已知項(xiàng)目 tk與項(xiàng)目 ti的協(xié)作相似性 Ru,k代表用戶 u對(duì)項(xiàng)目 tk的偏愛(ài)程度評(píng)分 ? 回歸方法 ???? ??i t e m ss i m i l ara l lk kii t e m ss i m i l ara l lk kukiiu SRSP , ,)(??? ??? ik RR改進(jìn)方法 ? 由于在大多數(shù)協(xié)作過(guò)濾系統(tǒng)中項(xiàng)目的更新比較慢，因此可以預(yù)先計(jì)算項(xiàng)目之間的相似性，從而提高推薦系統(tǒng)的效率 ? 一種方法是計(jì)算所有項(xiàng)目之間的相似性并進(jìn)行索引，這種方法的缺陷在于系統(tǒng)需要 的存儲(chǔ)空間 ? 一種方法是對(duì)每個(gè)項(xiàng)目 ，只保存最相似的 j個(gè)項(xiàng)目及其協(xié)作相關(guān)性， j 稱為模型尺寸 ? 模型尺寸的選擇對(duì)于過(guò)濾系統(tǒng)的性能有較大影響 ? 過(guò)大，則系統(tǒng)的預(yù)測(cè)能力很強(qiáng)，但空間復(fù)雜度增大 ? 過(guò)小，則一些于目標(biāo)項(xiàng)目相似的項(xiàng)目可能沒(méi)有被考慮其中，從而降低過(guò)濾系統(tǒng)的預(yù)測(cè)性能 小結(jié) ? 基于內(nèi)容的信息過(guò)濾策略重點(diǎn)在于分析信息內(nèi)在的本質(zhì)規(guī)律，通過(guò)自然語(yǔ)言處理技術(shù)對(duì)知識(shí)的表示進(jìn)行深層理解，從而提高信息服務(wù)的精確性； ? 基于協(xié)作的信息過(guò)濾策略重點(diǎn)在于挖掘用戶的社會(huì)關(guān)系網(wǎng)絡(luò)，探尋知識(shí)背景和信息需求相似的用戶，并在此基礎(chǔ)上實(shí)施信息多元化的交互，從而實(shí)現(xiàn)信息服務(wù)的拓展性和新穎性 ? 目前信息過(guò)濾領(lǐng)域的另一研究熱點(diǎn)是內(nèi)容與協(xié)作策略的融合，使信息過(guò)濾系統(tǒng)既能延續(xù)用戶指定的信息查詢路線精準(zhǔn)地獲取知識(shí)，又能挖掘相關(guān)于用戶的其它興趣偏好拓展知識(shí)獲取的領(lǐng)域。 ? 其他的一些用戶行為 ——諸如用戶是否保存、刪除或是打印某篇文檔也可以作為度量文檔相關(guān)度的一個(gè)指標(biāo)。 ” ? 許多人將合作式信息過(guò)濾的方法解釋為 “ 相似用戶之間相互合作的過(guò)程。 需要解決的問(wèn)題 ? 以什么樣的形式描述用戶需求？ ? 如何判斷待過(guò)濾信息是否符合用戶的過(guò)濾需求？ ? 如何在過(guò)濾的過(guò)程中實(shí)現(xiàn)用戶需求文檔的學(xué)習(xí)和更新？ 用戶需求的描述 ? 用戶需求的描述實(shí)際上是建立一個(gè)反應(yīng)用戶客觀需要的模型，簡(jiǎn)稱用戶模型（ Profile） ? 從內(nèi)容上劃分： ? 基于興趣的，加權(quán)矢量模型等 ? 基于行為的，用戶瀏覽和訪問(wèn)模式 ? 從組織形式上： ? 用關(guān)鍵詞表達(dá)用戶過(guò)濾需求：歧義性，關(guān)系的表達(dá) ? 用文檔集表達(dá)用戶過(guò)濾需求：覆蓋性不夠 過(guò)濾資源的描述 ? 資源描述與用戶描述密切相關(guān)，采用同一機(jī)制 ? 基于內(nèi)容的方法 ? 基于分類的方法
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號(hào)-1