基于混合偏好分析的联邦推荐框架
所屬分類：技术论文
上傳者：zhoubin333
文檔大?。?span>2165 K
標(biāo)簽： 推荐算法 偏好分析 基于内容推荐
所需積分：0分積分不夠怎么辦？
文檔介紹：针对基于内容推荐算法存在过拟合及过度专业化问题，提出了一种混合个体及群体偏好分析的联邦推荐框架，该框架包含三个模块：基于随机森林的偏好分析模块、基于联邦的相似兴趣用户分群模块、基于混合偏好分析的推荐模块。在基于随机森林的偏好分析模块中，提出考虑组合因素的同一属性间偏好度分析和结合信息熵的不同属性间在意度分析方法,通过纠正与真实兴趣属性具有强关联性的非兴趣属性影响，初步解决了算法的过拟合问题；在基于联邦的相似兴趣用户分群模块和混合偏好分析的推荐模块中，通过基于联邦的相似兴趣用户分群模块和群体的同属性异属性分析，得到用户所在兴趣群体的同属性异属性偏好信息，并通过网格遍历群体和个体的超参权重混合进行资源推荐，解决了推荐系统存在的过度专业化问题，提高算法在特定任务上的表现。实验结果表明所提算法相较于随机森林算法在各方面指标上有明显提升，且提高了推荐系统的可解释性。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。