资料下载
×
不同关键技术的个性化推荐系统研究对比综述
消耗积分:0 |
格式:pdf |
大小:1.44 MB |
2021-05-18
分享资料个
推荐系统通过获取用户的历史行为数据，如网页的浏览数据、购买记录、社交网络信息、用户地理位置等，来推断用户偏妤。随着计算杋技术的发展，推荐系统所采用的推荐技术由早期的基于用户-项的数据矩阵分解技术为主，逐渐向与数据挖掘、机器学习、人工智能等技术相融合的方向发展，从而深度挖掘用户行为的潜在偏妤，以枃建更加精准的用户偏妤模型。推荐过程也从静态预测发展到实时推荐，通过与用户实时交互来使推荐结果更加丰富。文中重点回顾了推荐系统在不同时期所采用的关键技术，主要包括基于内容过滤的推荐技术、基于协同过滤的推荐技术、基于深度学习的推荐技术、基于强化学习的推荐技术和基于异构网络的推荐技术等。最后对比和分析了关键技术的优缺点，并对推荐系统的未来发展进行展望。
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
