给大家分享5篇关于用户兴趣度的计算机专业论文

今天分享的是关于用户兴趣度的5篇计算机毕业论文范文, 如果你的论文涉及到用户兴趣度等主题,本文能够帮助到你

基于非独立同分布的推荐算法研究

这是一篇关于推荐系统,矩阵分解,决策树,非独立同分布,用户兴趣度的论文, 主要内容为在基于独立同分布的推荐系统任务中,由于将数据假设为相互间是独立没有耦合关系的,导致在一些利用用户的属性及其属性值进行分类时无法将不同用户间的耦合关系体现出来,使得基于用户分类的推荐结果的精度不高与用户对推荐系统给出的结果的满意度的下降。上述所讲到的就是基于独立同分布推荐系统的不足之处。为了解决上述问题,本文将非独立同分布思想引入。该思想主要是将同一属性下的不同属性值、同组用户下的不同属性以及不同用户之间的耦合关系考虑进来,并且在以往的推荐系统往往利用长短期记忆来对评分进行加权计算;同时没有从时间序列的全局出发来考虑时间序列与用户兴趣度之间的关系。基于上述思想,本文的最主要工作为将同一属性下的不同属性值、同组用户下的不同属性以及不同用户之间的耦合关系作为评分的权重和将用户兴趣度作为基于评分的评分权重使时间序列与用户间的耦合一同作用于评分。在对评分进行预测时本文利用矩阵分解的算法来对评分进行预测。在实验时利用了8:2的实验数据与测试数据的实验方法,在推荐系统中使用的是基于整体推荐的稀疏度、平均百分比误差和均方根误差;基于个性化推荐中,使用了Top-N推荐指标。经过实验发现本文提出的改进算法要优于以往的对比实验。该论文有图9幅,表23个,参考文献59篇。

基于WebGL的交互式虚拟漫游研究——以青海传统手工艺为例

这是一篇关于青海传统手工艺,数字化,LOD,视野偏心率,用户兴趣度的论文, 主要内容为在愈发注重传统手工艺传承发展的今天,由虚拟现实技术演化的虚拟博物馆在传统手工艺的宣传展示中显得尤为重要。虚拟场景的实时绘制是虚拟现实技术的难点,如果场景过于简洁则难以满足用户的视觉需求,而场景过于复杂则会导致渲染速度过慢。多细节层次(Levels of Detail,简称LOD)技术在解决该问题上有着明显效果。模型的选择调用是LOD技术的关键,目前一般是基于距离实现,忽略了人的主观心态,因此提出基于用户兴趣度和物理条件约束的双重LOD算法。为了促进青海传统手工艺的传承与发展,本文以WebGL技术建立青海传统手工艺博物馆,主要研究内容包括:首先,对青海传统手工艺进行数字化,建立青海传统手工艺知识库和多媒体库,从文化、历史等方面对青海传统手工艺进行多元化展现,并完成相应的建模、语音介绍、视频的制作工作;其次,对当前传统的LOD算法进行研究,将视野偏心率作为物理条件引入LOD算法约束中;再次,挖掘三维场景中引起用户兴趣度的因素,发现用户对展品的浏览频率和浏览时间,在一定程度上能够反映用户对传统手工艺展品的兴趣,并对两种方法赋予权重体现用户兴趣度,提出基于物理条件和用户兴趣度的双重约束LOD算法;最后,改进基于WebGL虚拟场景的碰撞检测,使用射线方法检测静态模型,使其更加符合虚拟博物馆的使用。本文采用B/S架构实现基于WebGL的青海传统手工艺虚拟博物馆的开发,记录用户对传统手工艺的兴趣度,可以辅助现实博物馆掌握游客的兴趣,加强该方面的文化传播。

基于Web挖掘的个性化推荐系统研究

这是一篇关于个性化推荐,相似度优化,用户兴趣度,推荐可信度,Web挖掘的论文, 主要内容为随着互联网的迅猛发展,我们迈进了大数据时代。随之而来的信息超载问题也日益明显。推荐系统应运而生,在信息的生产者与消费者之间架起了沟通的桥梁,根据用户偏好将个性化信息推送给用户。本文介绍了个性化推荐技术,通过分析协同过滤算法的原理及其不足,改进了传统的协同过滤推荐算法,并在此基础上构建了基于Web挖掘的个性化推荐系统。论文研究并设计实现了基于Web挖掘的个性化推荐系统。主要完成了如下研究工作:1.研究了基于协同过滤算法的个性化信息推送方法,解决了传统的协同过滤中存在的邻居集误判、兴趣漂移等问题。2.细粒度地考虑用户差异性以及项目差异性对相似度的影响,优化了相似度计算方法。3.考虑了时间维度对用户兴趣度的影响,模拟人脑记忆规律动态改变用户兴趣度。4.设计了推荐可信度机制预测用户对项目的评分,提高了推荐准确率。5.针对传统协同过滤推荐算法数据稀疏、冷启动等问题,引入了Web挖掘技术,建立了新的用户兴趣模型,综合利用用户的隐式、显式行为,通过挖掘用户的行为日志将用户的隐式行为转换成隐式的用户-项目评分,再用隐式的用户-项目评分填充显式的用户-项目评分。实验结果表明,基于Web挖掘的个性化推荐系统能够进一步提高推荐准确率和覆盖率。