1、獨(dú)立于內(nèi)容的信息檢索模型，杜小勇2008-03-13，基于文本內(nèi)容的檢索模型布爾模型向量空間模型概率模型統(tǒng)一語言模型語義網(wǎng)絡(luò)模型，基于獨(dú)立于內(nèi)容的其他檢索模型協(xié)調(diào)的模型鏈接分析的模型通常是Collaborative Recommendation，rajdenotesthescoreofitemjratedbyanactiveusera.ifuserahadnotrateditemj。 Raj=0. m用戶總數(shù)，推薦的聯(lián)合型號(hào)，推薦的用戶和文檔。 isthenumberofuserswhoaresimilartouseraandhaverateditemj.w (a )。 I ) : thewe

2、ightofthesimilaritybetweenuseraanduseri.kisanormalizingfactorsuchthattheabsolutevaluesoftheweightssumtouniii，阿爾冷啟動(dòng)稀疏性高維度，基于分類的協(xié)調(diào)過濾推薦，基本思想： (1)對(duì)矩陣進(jìn)行分類的是資源的意義分類(2)用戶對(duì)資源評(píng)價(jià)矩陣進(jìn)行分解、(3) 刪除沒有對(duì)這種資源評(píng)分的用戶，并且基于分類的協(xié)同過濾算法(續(xù))、(4)通過校正某一類別中用戶的相似性，獲得某一用戶的鄰居。 (5)補(bǔ)正用戶對(duì)特定類別中資源的興趣度(6)綜合多個(gè)類別中的用戶的興趣度，得到最終的推薦結(jié)果?；诰垲惖膮f(xié)同過濾算法、

3、基本思想： (1)劃分矩陣的稀疏矩陣聚類、KMeans等聚類算法(2)基于劃分的子矩陣生成協(xié)同過濾(3)預(yù)測(cè)結(jié)果，以及基于矩陣聚類的協(xié)同過濾器基于矩陣聚類的協(xié)同過濾，基于聚類的協(xié)同過濾算法(繼續(xù))，(2)通過校正某一類中用戶的相似度得到某一用戶的最鄰近居民。 (3)修正用戶對(duì)特定類別中的資源的興趣度(4)綜合多個(gè)類別中的用戶的興趣度，得到最終的推薦結(jié)果。 一般與基于內(nèi)容的模型一起使用基于不與內(nèi)容相關(guān)的其它搜索模型協(xié)調(diào)的模型鏈接分析的基于模型關(guān)聯(lián)的模型，其中對(duì)于超文本(例如，WWW上的網(wǎng)頁)使用超鏈接結(jié)構(gòu)非常緊密Sergey Brin和Larry Page在1998年提出了PageRank算法J.Kleinberg，在1998年提出了HITS算法的其他學(xué)者也相繼提出了不同的鏈接分析算法，例如SALSA、PHITS、Bayesian等Page Ranking算法、Brin S、pageltheanatomyofalarge-scalehypertextualwebsearchengine.www 98基本思想：一個(gè)頁面被多次引用時(shí)。 如果重要頁面引用了該頁面，則該頁面很可能很重要。 一個(gè)頁面的重要性被平均分割，傳遞給參