资料下载
×
一种社交网络用户兴趣点个性化推荐方法
消耗积分:0 |
格式:rar |
大小:1.89 MB |
2021-04-23
分享资料个
在社交网络环境中，传统社交网络用户兴趣点的个性化推荐方法存在网络用户兴趣行为的预测精准性低、用户社交数据覆盖率低的问题，不能充分挖掘用户兴趣点的时空序列特征，为此提岀了一种基于概率矩阵分解算法的社交网络用户兴趣点个性化推荐方法。在模型训练的伪代码群中，计算与矩阵概率的变异算子相关的数值结果，实现社交关系网络的物理分割，完成基于概率矩阵分解算法的社交网络节点建模。在此基础上，搭建个性化社交网络框架，按照用户兴趣行为的特征挖掘结果，选择个性化的用户来推荐节点，完成社交网络用户兴趣点个性化推荐方法的建立。实用性检测结果表明，与传统方法相比，应用新型个性化推荐方法后，网络用户兴趣行为的预测精准度最高可达100%，用户社交数据覆盖率约为75%，提高了网络用兴趣行为的预测精准性和用户社交数据覆盖率，社交网络用户兴趣点的时空序列特征得到了充分挖掘。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
