• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于歸一化方法的協(xié)同過(guò)濾推薦算法

    2014-01-16 05:57:44陳小輝劉漢燁
    電子設(shè)計(jì)工程 2014年14期
    關(guān)鍵詞:相似性向量協(xié)同

    陳小輝,高 燕,劉漢燁

    (榆林學(xué)院 信息工程學(xué)院,陜西 榆林 719000)

    隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)迅速發(fā)展,越來(lái)越多的人類(lèi)活動(dòng)依賴(lài)于互聯(lián)網(wǎng),人們可以通過(guò)網(wǎng)絡(luò)購(gòu)買(mǎi)各類(lèi)商品,獲取生活資訊,尋求合作和協(xié)助等等,但是面對(duì)海量的互聯(lián)網(wǎng)信息,普通用戶(hù)越來(lái)越難以及時(shí)獲取有效的信息,在這種情況下能夠提供高效的個(gè)性化的信息推薦顯得尤為重要[1]。協(xié)同過(guò)濾推薦算法是目前應(yīng)用最成功的推薦算法之一,在許多領(lǐng)域得到了廣泛的推廣。

    協(xié)同過(guò)濾(Collaborative Filtering,CF)是根據(jù)用戶(hù)的興趣愛(ài)好、歷史數(shù)據(jù)尋找與用戶(hù)在這些方面有一定相似性的鄰居,并且根據(jù)鄰居的一些行為或評(píng)價(jià)數(shù)據(jù)對(duì)用戶(hù)進(jìn)行推薦。與基于內(nèi)容的推薦系統(tǒng)不同,協(xié)同過(guò)濾推薦算法僅僅是依據(jù)用戶(hù)對(duì)項(xiàng)目的評(píng)價(jià)尋找評(píng)價(jià)相似的若干鄰居,而忽略數(shù)據(jù)詳細(xì)內(nèi)容,一般也不提取項(xiàng)目的文本特征向量,因?yàn)橐话闱闆r下如果不同用戶(hù)對(duì)一些項(xiàng)目給出的評(píng)價(jià)相近,那么這些用戶(hù)對(duì)其他項(xiàng)目的評(píng)價(jià)也會(huì)相似[2]。協(xié)同過(guò)濾推薦算法一般分為兩類(lèi):基于內(nèi)存的協(xié)同過(guò)濾(Memory-based CF)和基于模型的協(xié)同過(guò)濾(Model-based CF)?;趦?nèi)存的協(xié)同過(guò)濾算法是目前應(yīng)用最廣泛的推薦方法,又可以進(jìn)一步分為基于用戶(hù)的協(xié)同過(guò)濾推薦和基于項(xiàng)目(item)的協(xié)同過(guò)濾推薦以及綜合考慮用戶(hù)和項(xiàng)目的推薦技術(shù)?;谟脩?hù)推薦算法是依據(jù)鄰居用戶(hù)對(duì)某個(gè)項(xiàng)目的評(píng)分來(lái)預(yù)測(cè)當(dāng)前用戶(hù)對(duì)該項(xiàng)目的評(píng)分,基于項(xiàng)目的推薦算法則根據(jù)鄰居項(xiàng)目的評(píng)分值來(lái)預(yù)測(cè)當(dāng)前項(xiàng)目的評(píng)分[3]。

    對(duì)于協(xié)同過(guò)濾推薦算法來(lái)說(shuō),核心是計(jì)算用戶(hù)或項(xiàng)目之間的相似度,而在傳統(tǒng)的相似度計(jì)算過(guò)程中,往往不能妥善處理用戶(hù)評(píng)分向量(或項(xiàng)目評(píng)分向量)之間的向量空間長(zhǎng)度差異,而且往往忽略鄰居用戶(hù)共有的評(píng)分項(xiàng)目(或多個(gè)用戶(hù)對(duì)鄰居項(xiàng)目的評(píng)分)的數(shù)值差異或者是嚴(yán)重弱化數(shù)值差異,為了解決這一問(wèn)題,筆者提出了一種基于歸一化方法的協(xié)同過(guò)濾推薦算法(NDCF),該方法在計(jì)算相似度之前首先將用戶(hù)對(duì)每一項(xiàng)目的評(píng)分值歸一化到一個(gè)統(tǒng)一的值域范圍,然后采用基于用戶(hù)的協(xié)同過(guò)濾推薦算法對(duì)歸一化后的不同向量空間中的用戶(hù)向量進(jìn)行相似性度量形成最近鄰居,并產(chǎn)生歸一化的項(xiàng)目評(píng)分預(yù)測(cè),最后再根據(jù)當(dāng)前用戶(hù)在其他項(xiàng)目上的評(píng)分完成項(xiàng)目最終的評(píng)分預(yù)測(cè),并進(jìn)行推薦。

    1 傳統(tǒng)的協(xié)同過(guò)濾推薦原理

    協(xié)同過(guò)濾推薦方法中最流行應(yīng)用最為廣泛的是基于內(nèi)存的推薦算法,其實(shí)現(xiàn)原理最為直觀。以經(jīng)典的基于用戶(hù)(User-based)的協(xié)同過(guò)濾推薦算法為例,它的基本思路是通過(guò)尋找與當(dāng)前用戶(hù)相似度最高的k個(gè)鄰居,然后依據(jù)鄰居對(duì)某個(gè)項(xiàng)目的評(píng)分來(lái)預(yù)測(cè)當(dāng)前用戶(hù)對(duì)該項(xiàng)目的評(píng)分[4]。這種推薦算法可分為3個(gè)實(shí)現(xiàn)步驟:數(shù)據(jù)定義、用戶(hù)相似度計(jì)算和項(xiàng)目評(píng)分預(yù)測(cè)與推薦。

    1.1 數(shù)據(jù)定義

    數(shù)據(jù)定義實(shí)際就是定義用戶(hù)評(píng)分矩陣R,R是一個(gè)n*m的矩陣,n和m分別代表矩陣中的用戶(hù)數(shù)和項(xiàng)目數(shù)。矩陣中的元素值代表用戶(hù)對(duì)項(xiàng)目的評(píng)價(jià)值,包括顯式評(píng)分和隱式評(píng)分兩種,顯式評(píng)分一般指用戶(hù)直接對(duì)項(xiàng)目的評(píng)價(jià)值,隱式評(píng)分則是根據(jù)用戶(hù)的瀏覽行為如瀏覽頻率、時(shí)間、購(gòu)買(mǎi)等間接推測(cè)出的數(shù)值[5]。矩陣的用戶(hù)向量(水平向量)代表特定用戶(hù)對(duì)項(xiàng)目的評(píng)價(jià)值,項(xiàng)目向量(垂直向量)代表某個(gè)具體項(xiàng)目得到的用戶(hù)的評(píng)價(jià)值。如果存在用戶(hù)ux對(duì)項(xiàng)目iy的評(píng)分rxy,則評(píng)分矩陣R中有R[x,y] = rxy,用戶(hù)評(píng)分矩陣R如式(1)所示。

    1.2 相似度計(jì)算

    協(xié)同過(guò)濾推薦本質(zhì)是基于近鄰的搜索方法,其實(shí)現(xiàn)核心是對(duì)用戶(hù)或項(xiàng)目間的相似性的度量。常用的計(jì)算相似性方法主要有向量空間相似性度量方法(VSS)和皮爾森相似性度量方法(PCC)兩種。向量空間相似性度量方法是把用戶(hù)對(duì)項(xiàng)目的評(píng)分看作是一個(gè)n維向量,用戶(hù)間的相似性是通過(guò)計(jì)算兩個(gè)用戶(hù)向量之間的余弦?jiàn)A角來(lái)決定[6]。用戶(hù)u和v之間的相似度SIM(u, v)計(jì)算如式(2)所示,式中Iuv表示用戶(hù)u和用戶(hù)v共同評(píng)分的項(xiàng)目集合。

    皮爾森相似性度量方法是用來(lái)衡量變量的線性關(guān)系,是在向量空間相似性度量方法的基礎(chǔ)上考慮了用戶(hù)評(píng)分的數(shù)值差異,使用用戶(hù)評(píng)分的偏差作為評(píng)分值參與計(jì)算,用戶(hù)u和v的相似度SIM(u, v)計(jì)算如式(3)所示,其中代表用戶(hù)u和用戶(hù)v對(duì)各自已評(píng)分項(xiàng)目的平均評(píng)分,Iuv代表用戶(hù)u與用戶(hù)v共同評(píng)分項(xiàng)目的集合。

    1.3 項(xiàng)目評(píng)分預(yù)測(cè)與推薦

    使用式(2)或式(3)計(jì)算得到任意兩兩用戶(hù)之間的相似值以后,對(duì)于特定的目標(biāo)用戶(hù),可以得到與其相似度最大的N個(gè)鄰居用戶(hù),需要進(jìn)行預(yù)測(cè)的目標(biāo)用戶(hù)的某一未評(píng)分項(xiàng)目,可以按照一定的計(jì)算方法根據(jù)這些鄰居對(duì)該項(xiàng)目的評(píng)分來(lái)得到,為提高預(yù)測(cè)準(zhǔn)確度需要考慮到不同用戶(hù)的評(píng)分尺度的不同,計(jì)算時(shí)候需要考慮用戶(hù)對(duì)所有項(xiàng)目的平均評(píng)分,可利用公式(4)進(jìn)行評(píng)分的預(yù)測(cè),式中 表示用戶(hù)u對(duì)項(xiàng)目i的評(píng)分用戶(hù)u和用戶(hù)v對(duì)各自已評(píng)分項(xiàng)目的平均評(píng)分,N(u)代表目標(biāo)用戶(hù)u的鄰居用戶(hù)集。在計(jì)算得到當(dāng)前用戶(hù)對(duì)于未評(píng)分項(xiàng)目的預(yù)測(cè)評(píng)分后,可以根據(jù)評(píng)分值對(duì)這些未評(píng)分項(xiàng)目排序,然后選擇評(píng)分最高的若干項(xiàng)目進(jìn)行推薦。

    2 基于歸一化方法的協(xié)同過(guò)濾推薦

    2.1 傳統(tǒng)協(xié)同過(guò)濾推薦算法的不足

    傳統(tǒng)的基于內(nèi)存的協(xié)同過(guò)濾推薦因?yàn)槠渌惴ê?jiǎn)單實(shí)用在較多領(lǐng)域得到了應(yīng)用,但是仍然存在較多問(wèn)題。特別是在相似度計(jì)算過(guò)程中,VSS算法和PCC算法都是基于用戶(hù)對(duì)項(xiàng)目評(píng)價(jià)的數(shù)值進(jìn)行直接統(tǒng)計(jì)去計(jì)算相似度,而沒(méi)有考慮用戶(hù)向量的差異與評(píng)分的數(shù)值大小[7]。例如圖1,對(duì)于一個(gè)簡(jiǎn)單的用戶(hù)評(píng)價(jià)矩陣,它包含5個(gè)用戶(hù)和5個(gè)評(píng)分項(xiàng)目,用戶(hù)對(duì)每一個(gè)項(xiàng)目的評(píng)分值在1和6之間。

    圖1 用戶(hù)項(xiàng)目評(píng)分矩陣Fig.1 Scoring matrix of users and items

    如果要預(yù)測(cè)用戶(hù)u2對(duì)于項(xiàng)目i5的評(píng)分,采用VSS和PCC相似度算法可以得到Sim(u1,u2)的值為0.954 8和0.660 3,得到Sim(u2,u3)的值為 0.865 3 和 0.492 6,顯然 Sim(u1,u2)>Sim(u2,u3)根據(jù)這個(gè)計(jì)算結(jié)果,u1與u2的相似度比u2與u3的相似度大。而從圖1可以看出u1的評(píng)分區(qū)間是[1,6],而u2和u3的評(píng)分區(qū)間是[1,4],所以u(píng)1與u2的相似度應(yīng)當(dāng)比u2與u3的相似度小,在計(jì)算u2對(duì)i5的評(píng)分時(shí)候應(yīng)當(dāng)參照的鄰居是u3對(duì)i5的評(píng)分而不是u1。這個(gè)矛盾是因?yàn)槠柹惴ú荒軐?duì)處于不同向量空間的用戶(hù)向量的評(píng)分風(fēng)格差異進(jìn)行有效處理,而向量空間算法則只關(guān)注用戶(hù)向量之間的空間夾角,會(huì)忽略用戶(hù)向量間的長(zhǎng)度差異因此有必要尋找更合理有效的,符合實(shí)際情況的相似度計(jì)算方法從而改善推薦性能。

    2.2 基于歸一化方法的相似性度量方法

    為了克服傳統(tǒng)協(xié)同過(guò)濾推薦算法的不足,筆者嘗試在傳統(tǒng)算法中引入歸一化數(shù)據(jù)處理過(guò)程。在形成用戶(hù)評(píng)分矩陣以后,首先將所有用戶(hù)的項(xiàng)目評(píng)分值歸一到統(tǒng)一的值域空間,該處理過(guò)程假設(shè)任一用戶(hù)向量對(duì)所有項(xiàng)目的評(píng)分不能全部相等。在實(shí)現(xiàn)過(guò)程中,對(duì)于評(píng)分矩陣R的每個(gè)行向量,使用該用戶(hù)的最高評(píng)分值和最低評(píng)分值來(lái)歸一化每一個(gè)項(xiàng)目評(píng)分,最后項(xiàng)目評(píng)分值位于區(qū)間[0,1],歸一化處理后用戶(hù)u對(duì)項(xiàng)目i的評(píng)分 r'ui計(jì)算方法見(jiàn)式(5)。

    根據(jù)式(6)計(jì)算得到的Sim(u,v)∈[0,1],值越大則用戶(hù)u和用戶(hù)v越相似,當(dāng)?shù)扔?時(shí)表示兩個(gè)用戶(hù)完全不同,取1時(shí)表示兩個(gè)用戶(hù)相同。對(duì)于圖1中用戶(hù)評(píng)分矩陣數(shù)據(jù)計(jì)算可得Sim(u1,u2)和Sim(u2,u3)的值分別為0.791 5和0.855 7,則該相似性結(jié)果與事實(shí)相符。特殊情況當(dāng)某個(gè)用戶(hù)對(duì)所有項(xiàng)目的評(píng)分都完全一樣的時(shí)候,會(huì)出現(xiàn)零除數(shù)的情況,但是由于所有的項(xiàng)目會(huì)涉及到推薦系統(tǒng)的各種商品、服務(wù),有效用戶(hù)的評(píng)分不會(huì)全部相同,所以可以忽略該情況。

    為度量被評(píng)分的項(xiàng)目之間的相似性,可通過(guò)對(duì)原始評(píng)分矩陣R的每個(gè)項(xiàng)目的所有評(píng)分值(每一列)進(jìn)行歸一化處理,同樣歸一處理后矩陣中每列的值都在區(qū)間[0,1]上,式(7)給出了度量項(xiàng)目i和j之間相似度Sim(i,j)的計(jì)算方法,式中Uij表示對(duì)項(xiàng)目i和項(xiàng)目j都做出了評(píng)價(jià)的用戶(hù)集合,|Uij|表示集合中用戶(hù)的個(gè)數(shù),rimin和rimax表示用戶(hù)對(duì)項(xiàng)目i的最小和最大評(píng)分值,rjmin和rjmax表示用戶(hù)對(duì)項(xiàng)目j的最小和最大評(píng)分值。

    特殊情況當(dāng)所有用戶(hù)對(duì)某個(gè)項(xiàng)目的評(píng)分都完全一樣的時(shí)候,會(huì)出現(xiàn)零除數(shù)的情況,但是由于對(duì)單個(gè)項(xiàng)目的評(píng)分會(huì)涉及到推薦系統(tǒng)的各類(lèi)用戶(hù),評(píng)分在現(xiàn)實(shí)情況下不會(huì)全部相同,所以可以忽略該情況。

    2.3 基于歸一化方法的項(xiàng)目評(píng)分預(yù)測(cè)和推薦

    基于2.2節(jié)提出的相似性度量算法,本節(jié)給出一種新的基于內(nèi)存的協(xié)同過(guò)濾方法,當(dāng)需要預(yù)測(cè)用戶(hù)u對(duì)項(xiàng)目i的未知評(píng)分值時(shí),該方法會(huì)根據(jù)用戶(hù)的原始評(píng)分尺度來(lái)進(jìn)行預(yù)測(cè)。在基于用戶(hù)的項(xiàng)目評(píng)分值預(yù)測(cè)中用戶(hù)u對(duì)項(xiàng)目i的預(yù)測(cè)評(píng)分可以通過(guò)式(8)計(jì)算,式中U表示與用戶(hù)u相似度最高的同時(shí)對(duì)項(xiàng)目i進(jìn)行了評(píng)分的k個(gè)用戶(hù)的集合。

    3 實(shí)驗(yàn)與分析

    3.1 實(shí)驗(yàn)數(shù)據(jù)集

    為了驗(yàn)證算法的有效性,采用Group Lens研究小組提供的Movielens 電影評(píng)分公開(kāi)數(shù)據(jù)集(http://www.grouplens.org)對(duì)算法進(jìn)行驗(yàn)證和評(píng)估。該數(shù)據(jù)集采集于一個(gè)電影推薦網(wǎng)站,包含了943位用戶(hù)對(duì)1 682部電影的100 000個(gè)評(píng)分,用戶(hù)評(píng)分矩陣的稀疏度為93.7%。實(shí)驗(yàn)中從原始評(píng)分矩陣中隨機(jī)修改一部分評(píng)分項(xiàng)目,形成了10個(gè)數(shù)據(jù)密度分別為2%,4%,6%,8%,10%,12%,14%,16%,18%和20%的稀疏矩陣,使用稀疏度較高(數(shù)據(jù)密度較低)的原因是實(shí)際中的評(píng)分矩陣通常非常稀疏。

    3.2 評(píng)價(jià)標(biāo)準(zhǔn)

    為了檢驗(yàn)項(xiàng)目評(píng)分的預(yù)測(cè)準(zhǔn)確度,使用被廣泛采用平均絕對(duì)誤差(Mean Absolute Error,MAE)來(lái)衡量預(yù)測(cè)的有效性。MAE是預(yù)測(cè)值與真實(shí)值之間的絕對(duì)偏差的平均值,式(10)給出了MAE的計(jì)算方法,式中rui是指用戶(hù)u對(duì)項(xiàng)目i的實(shí)際是指預(yù)測(cè)得到的用戶(hù)u對(duì)項(xiàng)目i的評(píng)分值,N是被預(yù)測(cè)值的數(shù)量,MAE值越低,則說(shuō)明預(yù)測(cè)的準(zhǔn)確度越高。

    3.3 實(shí)驗(yàn)方案

    為了比對(duì)歸一化處理協(xié)同過(guò)濾算法的有效性,采用了5種傳統(tǒng)協(xié)同過(guò)濾方法與基于用戶(hù)的歸一化協(xié)同過(guò)濾推薦算法(NDCF)進(jìn)行了對(duì)比實(shí)驗(yàn):基于用戶(hù)的平均數(shù)法(UMEAN),該方法在計(jì)算未知項(xiàng)目的評(píng)分時(shí),使用用戶(hù)對(duì)所有項(xiàng)目的評(píng)分均值表示;基于項(xiàng)目的平均數(shù)法(IMEAN),該方法在計(jì)算未知用戶(hù)評(píng)分時(shí),使用所有對(duì)當(dāng)前項(xiàng)目評(píng)分用戶(hù)的評(píng)分均值;使用PCC的基于用戶(hù)的協(xié)同過(guò)濾(UPCC);使用PCC的基于項(xiàng)目的協(xié)同過(guò)濾(IPCC);混合使用UPCC和IPCC實(shí)現(xiàn)的一種協(xié)同過(guò)濾方法(WSRec)。實(shí)驗(yàn)采用五折交叉驗(yàn)證方法,對(duì)于10個(gè)稀疏矩陣中的每個(gè)評(píng)分矩陣,將用戶(hù)評(píng)分記錄按照4 : 1的比例劃分為訓(xùn)練集和測(cè)試集,而且分別進(jìn)行了5次劃分,分別依據(jù)訓(xùn)練集中數(shù)據(jù)來(lái)預(yù)測(cè)計(jì)算測(cè)試集中數(shù)據(jù)并計(jì)算相應(yīng)MAE值,最后統(tǒng)計(jì)得出5次實(shí)驗(yàn)的平均MAE值。實(shí)驗(yàn)中鄰居規(guī)模數(shù)k分別取10,20,30,40和50,圖2~圖3給出了鄰居規(guī)模為10和50情況下的實(shí)驗(yàn)結(jié)果。

    圖2 鄰居數(shù)為10時(shí)性能比對(duì)圖Fig.2 Performance comparison chart of 10 neighbors

    圖3 鄰居數(shù)為50時(shí)性能比對(duì)Fig.3 Performance comparison chart of 50 neighbors

    從實(shí)驗(yàn)結(jié)果比對(duì)中可以看出,基于歸一化方法的協(xié)同過(guò)濾推薦(NDCF)的MAE值明顯優(yōu)于其他傳統(tǒng)推薦算法,但是隨著用戶(hù)評(píng)分矩陣密度的增長(zhǎng)NRCF相對(duì)于其他方法的MAE值變化不大,分析原因是優(yōu)于評(píng)分矩陣越稀疏,用戶(hù)向量的維度就越趨于多樣,這導(dǎo)致NDCF在地密度評(píng)分矩陣上相比于其他方法擁有越好的性能。由于現(xiàn)實(shí)環(huán)境下的協(xié)同推薦系統(tǒng)中有效的用戶(hù)評(píng)分矩陣一般都會(huì)非常稀疏。同時(shí)我們也觀察到和其他推薦算法一樣,隨著鄰居規(guī)模K值的增加MAE值在下降。圖4描述了取評(píng)分矩陣密度density=0.1,鄰居規(guī)模K從10增大到50對(duì)NDCF算法MAE值的影響,說(shuō)明鄰居數(shù)越多NDCF的預(yù)測(cè)精度越好,但是當(dāng)K值增到到40到50之間時(shí),MAE曲線已經(jīng)趨于平緩,如果K值進(jìn)一步增大會(huì)逐漸使噪聲鄰居增加,影響預(yù)測(cè)的準(zhǔn)確性。總體來(lái)看相對(duì)于其他推薦方法,基于歸一化方法的協(xié)同過(guò)濾推薦方法能夠適應(yīng)更寬泛的數(shù)據(jù)稀疏度,評(píng)分預(yù)測(cè)的性能也明顯提高。

    4 結(jié)束語(yǔ)

    針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法的不足,本文提出了一種基于歸一化方法的協(xié)同過(guò)濾推薦算法(NDCF),用于解決個(gè)性化的項(xiàng)目評(píng)分的預(yù)測(cè)和推薦問(wèn)題。所提出的NDCF方法中包含了一種新的用戶(hù)(項(xiàng)目)相似度計(jì)算方法,能夠更加準(zhǔn)確地找到相似的鄰居用戶(hù)或鄰居項(xiàng)目,進(jìn)而提高預(yù)測(cè)及推薦的性能。實(shí)驗(yàn)結(jié)果顯示與傳統(tǒng)推薦算法相比,NDCF方法能夠明顯提高評(píng)分預(yù)測(cè)的性能。

    圖4 鄰居數(shù)對(duì)MAE值的影響Fig.4 Influence of neighbor number on MAE value

    [1] 李聰,梁昌勇,馬麗.基于領(lǐng)域最近鄰的協(xié)同過(guò)濾推薦算法[J].計(jì)算機(jī)研究與發(fā)展,2008,45(9): 1532-1538.LI Cong, LIANG Chang-yong , MA Li. A collaborative filtering recommendation algorithm based on domain nearest neighbor[J]. Journal of Computer Research and Development,2008,45(9): 1532-1538.

    [2] 張光衛(wèi),康建初,李鶴松.面向場(chǎng)景的協(xié)同過(guò)濾推薦算法[J].系統(tǒng)仿真學(xué)報(bào), 2006,18(22):595-601.ZHANG Guang-wei, KANG Jian-chu, LI He-song. context based collaborative filtering recommendation algorithm [J].Journal of System Simulation, 2006,18(22):595-601.

    [3] Sun H, Zheng Z,Chen J, et al. NE.CF: A Novel collaborative collaborative filtering method for service recommendatioii[C]//2011 IEEE International Conference on Web Services (ICWS), 2011:702-703.

    [4] ZHAO Zhi-Dan , SHANG Ming-Sheng . user-based collaborativefiltering recommendation algorithms on Hadoop[J]. Third International Conference on Knowledge Discovery and Data Mining, 2010:478-481.

    [5] Salakhutdinov R, Mnih A, Hinton G. Restricted Boltzmann machines for collaborative filtering[C]// Proceedings of the 24th international conference on Machine learning, 2007: 791-798.

    [6]Banerjee S, Ramanathan K. Collaborative filtering on skewed datasets[C]//Proceedings of the 17th international conference on World Wide Web, 2008:1135-1136.

    [7] Koren Y. Factorization meets the neighborhood: a multifaceted collaborative filtering model[C]//Proceeding of the 14th ACM SIGKDD international conference on Knowledge discovery and Data Mining, 2008: 426-434.

    [8] Sun H, Peng Y, Chen J, et al. A new similarity measure based on adjusted euclidean distance for memory-based collaborative filtering[J]. Journal of Software, 2011, 6(6): 993-1000.

    猜你喜歡
    相似性向量協(xié)同
    一類(lèi)上三角算子矩陣的相似性與酉相似性
    向量的分解
    聚焦“向量與三角”創(chuàng)新題
    蜀道難:車(chē)與路的協(xié)同進(jìn)化
    淺析當(dāng)代中西方繪畫(huà)的相似性
    “四化”協(xié)同才有出路
    三醫(yī)聯(lián)動(dòng) 協(xié)同創(chuàng)新
    低滲透黏土中氯離子彌散作用離心模擬相似性
    向量垂直在解析幾何中的應(yīng)用
    向量五種“變身” 玩轉(zhuǎn)圓錐曲線
    亚洲美女搞黄在线观看| 天堂8中文在线网| 菩萨蛮人人尽说江南好唐韦庄| 日本av免费视频播放| 日本av免费视频播放| 日日撸夜夜添| 欧美精品国产亚洲| 精品一区二区免费观看| 国产精品人妻久久久影院| 中文精品一卡2卡3卡4更新| 日韩大片免费观看网站| 亚洲精品,欧美精品| 国产一区二区三区av在线| 亚洲精品日韩av片在线观看| 人人妻人人澡人人看| 一级毛片 在线播放| 一级毛片 在线播放| 99久久中文字幕三级久久日本| 亚洲精品色激情综合| 亚洲综合色惰| 我的女老师完整版在线观看| 日本猛色少妇xxxxx猛交久久| 亚洲精品,欧美精品| 99精国产麻豆久久婷婷| 自拍欧美九色日韩亚洲蝌蚪91| 男人操女人黄网站| 制服诱惑二区| 国产一区二区三区av在线| 18在线观看网站| av在线观看视频网站免费| 欧美精品一区二区免费开放| 亚洲色图 男人天堂 中文字幕 | 精品人妻一区二区三区麻豆| 久久精品久久久久久久性| 久久精品国产亚洲av天美| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲精品456在线播放app| 80岁老熟妇乱子伦牲交| 日韩av在线免费看完整版不卡| 爱豆传媒免费全集在线观看| 美女cb高潮喷水在线观看| 亚洲精品乱码久久久v下载方式| 天堂中文最新版在线下载| 午夜av观看不卡| 男女高潮啪啪啪动态图| 国产精品久久久久久av不卡| 少妇精品久久久久久久| 精品国产露脸久久av麻豆| 69精品国产乱码久久久| 亚洲美女视频黄频| 伦理电影免费视频| 久久国产亚洲av麻豆专区| 久久综合国产亚洲精品| 日韩一区二区三区影片| 亚洲精华国产精华液的使用体验| 久久久久久久久久久久大奶| 日韩中文字幕视频在线看片| 久久久久网色| 亚洲精品久久午夜乱码| 成人无遮挡网站| 中文字幕亚洲精品专区| 亚洲经典国产精华液单| 七月丁香在线播放| 亚洲av免费高清在线观看| 中文字幕人妻熟人妻熟丝袜美| 久久av网站| 在线精品无人区一区二区三| 日韩电影二区| av在线app专区| 九九爱精品视频在线观看| 在线播放无遮挡| 一个人看视频在线观看www免费| 人体艺术视频欧美日本| 汤姆久久久久久久影院中文字幕| 国产精品秋霞免费鲁丝片| 精品一区在线观看国产| 亚洲成人手机| 亚洲人与动物交配视频| 99久久人妻综合| 在线播放无遮挡| 永久网站在线| 亚洲熟女精品中文字幕| 毛片一级片免费看久久久久| 国产成人精品一,二区| 天堂中文最新版在线下载| 啦啦啦在线观看免费高清www| 亚洲精品日本国产第一区| 国产色婷婷99| av网站免费在线观看视频| 精品久久国产蜜桃| 亚洲精品第二区| 国产毛片在线视频| 桃花免费在线播放| 狂野欧美白嫩少妇大欣赏| 在线播放无遮挡| 欧美日韩在线观看h| 一区二区三区四区激情视频| 新久久久久国产一级毛片| 狠狠婷婷综合久久久久久88av| 桃花免费在线播放| 成年人午夜在线观看视频| 男女无遮挡免费网站观看| 亚洲精品亚洲一区二区| 亚洲,一卡二卡三卡| 亚洲精品乱码久久久v下载方式| 精品国产一区二区三区久久久樱花| 一级毛片 在线播放| 99久国产av精品国产电影| 免费人成在线观看视频色| 亚洲精品乱码久久久久久按摩| 国产精品欧美亚洲77777| 少妇熟女欧美另类| 亚洲av免费高清在线观看| 性色avwww在线观看| 国产一区有黄有色的免费视频| 免费大片黄手机在线观看| 黄片无遮挡物在线观看| 久久青草综合色| 日本黄色片子视频| 日韩一区二区三区影片| 色婷婷久久久亚洲欧美| 亚洲美女搞黄在线观看| 午夜福利网站1000一区二区三区| 精品少妇内射三级| 在线精品无人区一区二区三| 天天操日日干夜夜撸| 黑人高潮一二区| 欧美日韩国产mv在线观看视频| 三上悠亚av全集在线观看| 亚洲精品美女久久av网站| 免费播放大片免费观看视频在线观看| 亚洲精品久久午夜乱码| 自线自在国产av| 久久久国产精品麻豆| 国产欧美日韩综合在线一区二区| 99久久综合免费| 国产一区有黄有色的免费视频| 人体艺术视频欧美日本| 又粗又硬又长又爽又黄的视频| 亚洲内射少妇av| 精品国产露脸久久av麻豆| 午夜老司机福利剧场| 天堂8中文在线网| 精品少妇久久久久久888优播| 80岁老熟妇乱子伦牲交| 纯流量卡能插随身wifi吗| 国产高清三级在线| 久久av网站| 在线看a的网站| 国产极品天堂在线| 久久精品久久久久久噜噜老黄| 各种免费的搞黄视频| 亚洲内射少妇av| 男女边吃奶边做爰视频| 久久青草综合色| 国产精品嫩草影院av在线观看| 国产69精品久久久久777片| 新久久久久国产一级毛片| 亚洲性久久影院| 高清午夜精品一区二区三区| 日韩伦理黄色片| 免费观看无遮挡的男女| av在线老鸭窝| 国产永久视频网站| 久久ye,这里只有精品| 在线免费观看不下载黄p国产| 一个人看视频在线观看www免费| 欧美bdsm另类| 大香蕉97超碰在线| 久久久精品免费免费高清| 亚洲第一区二区三区不卡| 97超视频在线观看视频| 国产精品一区www在线观看| 久久这里有精品视频免费| 日韩一本色道免费dvd| 日韩av免费高清视频| 国产 精品1| 天堂俺去俺来也www色官网| 亚洲国产av影院在线观看| 欧美日韩综合久久久久久| 日韩熟女老妇一区二区性免费视频| 黑丝袜美女国产一区| 伊人亚洲综合成人网| 免费观看a级毛片全部| 国产欧美另类精品又又久久亚洲欧美| 亚洲情色 制服丝袜| 精品国产一区二区三区久久久樱花| 全区人妻精品视频| 亚洲内射少妇av| 亚洲精品第二区| 欧美变态另类bdsm刘玥| 成人黄色视频免费在线看| 91在线精品国自产拍蜜月| 久久久久久久大尺度免费视频| 欧美日韩综合久久久久久| 免费不卡的大黄色大毛片视频在线观看| 春色校园在线视频观看| 久热这里只有精品99| 婷婷色麻豆天堂久久| 亚洲国产精品一区三区| 九九爱精品视频在线观看| 欧美人与善性xxx| 我的女老师完整版在线观看| 久久人人爽人人片av| 麻豆成人av视频| 免费观看a级毛片全部| 亚洲情色 制服丝袜| 中文字幕亚洲精品专区| 亚洲第一区二区三区不卡| 日韩中文字幕视频在线看片| 亚洲人与动物交配视频| 欧美人与善性xxx| 国产一区二区在线观看日韩| 狂野欧美激情性xxxx在线观看| 熟妇人妻不卡中文字幕| 在线看a的网站| 日本猛色少妇xxxxx猛交久久| 秋霞在线观看毛片| 日韩熟女老妇一区二区性免费视频| 国产成人91sexporn| 一本大道久久a久久精品| 国产色婷婷99| 免费人妻精品一区二区三区视频| 久久午夜福利片| 考比视频在线观看| 国产精品一国产av| 久久韩国三级中文字幕| 久久久久久久亚洲中文字幕| 久久99精品国语久久久| 美女内射精品一级片tv| 精品亚洲成国产av| 汤姆久久久久久久影院中文字幕| 熟女电影av网| 午夜激情久久久久久久| 国产乱人偷精品视频| 永久网站在线| 在线观看美女被高潮喷水网站| 免费观看的影片在线观看| 插阴视频在线观看视频| 永久网站在线| 一级毛片黄色毛片免费观看视频| 成人毛片a级毛片在线播放| 欧美亚洲 丝袜 人妻 在线| 日韩人妻高清精品专区| 交换朋友夫妻互换小说| 超色免费av| 亚洲综合色网址| 91精品国产国语对白视频| 亚洲国产最新在线播放| 久久人人爽人人片av| 久久久a久久爽久久v久久| www.av在线官网国产| 日韩av在线免费看完整版不卡| 各种免费的搞黄视频| 丝袜美足系列| 国产无遮挡羞羞视频在线观看| 久久狼人影院| 夫妻性生交免费视频一级片| 777米奇影视久久| 久久人人爽人人片av| 日韩,欧美,国产一区二区三区| 久久久久久伊人网av| 久久久久网色| 国产精品一区二区三区四区免费观看| 亚洲综合色网址| 日本黄色片子视频| 午夜福利在线观看免费完整高清在| 欧美bdsm另类| 日本欧美国产在线视频| 波野结衣二区三区在线| av天堂久久9| 亚洲美女搞黄在线观看| 亚洲精品日韩在线中文字幕| 一级毛片我不卡| 另类亚洲欧美激情| 国产成人免费观看mmmm| 天堂俺去俺来也www色官网| 五月开心婷婷网| 日韩中文字幕视频在线看片| 少妇熟女欧美另类| 国产精品一区二区在线观看99| 国产国拍精品亚洲av在线观看| 一级黄片播放器| 女性生殖器流出的白浆| 黄色怎么调成土黄色| 成人午夜精彩视频在线观看| 九色成人免费人妻av| 亚洲av在线观看美女高潮| 亚洲美女黄色视频免费看| 成年人午夜在线观看视频| 黑丝袜美女国产一区| 日本爱情动作片www.在线观看| 欧美变态另类bdsm刘玥| 多毛熟女@视频| 91成人精品电影| 五月伊人婷婷丁香| 少妇 在线观看| 国产亚洲av片在线观看秒播厂| 国产 精品1| 亚洲精品一区蜜桃| 少妇被粗大的猛进出69影院 | 午夜91福利影院| av线在线观看网站| 一个人看视频在线观看www免费| 3wmmmm亚洲av在线观看| 欧美少妇被猛烈插入视频| 国产精品久久久久久久久免| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 狠狠精品人妻久久久久久综合| 国产成人午夜福利电影在线观看| 欧美三级亚洲精品| 亚洲精品色激情综合| 亚洲精品国产av成人精品| 久久精品国产亚洲av天美| 亚洲中文av在线| 一区在线观看完整版| 18禁裸乳无遮挡动漫免费视频| 国产高清有码在线观看视频| 蜜桃国产av成人99| 免费看不卡的av| 国产精品 国内视频| 中文字幕最新亚洲高清| 97精品久久久久久久久久精品| 国产精品久久久久久精品古装| 午夜免费男女啪啪视频观看| 精品人妻偷拍中文字幕| 一区二区三区四区激情视频| 国产高清三级在线| 亚洲精品自拍成人| 亚洲欧美日韩卡通动漫| 色94色欧美一区二区| 午夜久久久在线观看| 欧美日韩亚洲高清精品| freevideosex欧美| 在线 av 中文字幕| 国产精品一区二区在线观看99| 欧美少妇被猛烈插入视频| 国产色婷婷99| 少妇丰满av| 亚洲综合精品二区| 黄色视频在线播放观看不卡| 亚洲性久久影院| 国产熟女欧美一区二区| 精品午夜福利在线看| 日韩亚洲欧美综合| av在线app专区| 女性生殖器流出的白浆| 搡女人真爽免费视频火全软件| 99久久综合免费| 日本91视频免费播放| 你懂的网址亚洲精品在线观看| 中国三级夫妇交换| 午夜老司机福利剧场| 国产精品麻豆人妻色哟哟久久| 欧美最新免费一区二区三区| 亚洲av男天堂| 日韩免费高清中文字幕av| 在线观看一区二区三区激情| 91久久精品电影网| 午夜福利视频精品| 亚洲性久久影院| 亚洲国产欧美在线一区| 乱人伦中国视频| 91aial.com中文字幕在线观看| 国产精品久久久久久精品电影小说| 久久久久久久久久久免费av| 国产视频首页在线观看| 婷婷色av中文字幕| 亚洲国产精品一区二区三区在线| 亚洲成人手机| 一个人看视频在线观看www免费| 亚洲精品久久久久久婷婷小说| 91aial.com中文字幕在线观看| 成人国产av品久久久| 亚洲美女黄色视频免费看| 青春草亚洲视频在线观看| 国产欧美日韩一区二区三区在线 | 国语对白做爰xxxⅹ性视频网站| 80岁老熟妇乱子伦牲交| 免费人妻精品一区二区三区视频| 综合色丁香网| 啦啦啦啦在线视频资源| 国产一区二区三区综合在线观看 | 久久精品国产自在天天线| 下体分泌物呈黄色| 老司机影院毛片| 成人漫画全彩无遮挡| 在线观看一区二区三区激情| 国产男女内射视频| 少妇的逼水好多| 国产精品一区二区在线不卡| 亚洲无线观看免费| 最近中文字幕高清免费大全6| 少妇的逼水好多| 在线观看国产h片| 日韩一区二区视频免费看| 十分钟在线观看高清视频www| 中文字幕免费在线视频6| 成人亚洲欧美一区二区av| 大码成人一级视频| 99久久中文字幕三级久久日本| 99久久中文字幕三级久久日本| 色婷婷久久久亚洲欧美| 成人午夜精彩视频在线观看| 成人亚洲欧美一区二区av| 五月开心婷婷网| 精品午夜福利在线看| 黄色视频在线播放观看不卡| 国产精品99久久久久久久久| 少妇人妻 视频| 女性被躁到高潮视频| 久久这里有精品视频免费| 日本色播在线视频| 人妻人人澡人人爽人人| 国产不卡av网站在线观看| 观看av在线不卡| 一区二区三区免费毛片| 日韩精品免费视频一区二区三区 | 亚洲国产色片| 一级毛片黄色毛片免费观看视频| 99九九在线精品视频| av有码第一页| 在线观看免费高清a一片| 久久毛片免费看一区二区三区| 精品久久蜜臀av无| 久久国产精品男人的天堂亚洲 | 国产成人免费观看mmmm| 99久久人妻综合| 观看av在线不卡| 国产精品久久久久久精品古装| 亚洲av国产av综合av卡| 久久久久久久大尺度免费视频| 如日韩欧美国产精品一区二区三区 | 国产高清国产精品国产三级| 精品久久国产蜜桃| 少妇精品久久久久久久| 97超视频在线观看视频| 国产日韩欧美在线精品| 成人国产av品久久久| kizo精华| 精品久久国产蜜桃| 在线观看免费视频网站a站| 777米奇影视久久| 国产色爽女视频免费观看| 一区二区av电影网| 自线自在国产av| 亚洲色图 男人天堂 中文字幕 | 国产乱来视频区| 午夜福利网站1000一区二区三区| 老司机影院成人| 九草在线视频观看| 七月丁香在线播放| 高清在线视频一区二区三区| 国产成人freesex在线| 久久影院123| 欧美激情国产日韩精品一区| 成人影院久久| 国产免费又黄又爽又色| 大码成人一级视频| 亚洲欧美色中文字幕在线| 少妇人妻久久综合中文| 久久精品国产a三级三级三级| 视频在线观看一区二区三区| 国产精品人妻久久久久久| 91久久精品国产一区二区三区| 精品一品国产午夜福利视频| 一边亲一边摸免费视频| 精品亚洲乱码少妇综合久久| 人人妻人人澡人人看| 久久久久久人妻| 亚洲av欧美aⅴ国产| av国产久精品久网站免费入址| 免费av不卡在线播放| 国模一区二区三区四区视频| .国产精品久久| 91在线精品国自产拍蜜月| 精品人妻熟女毛片av久久网站| 黑人欧美特级aaaaaa片| av黄色大香蕉| 日韩三级伦理在线观看| 国产精品人妻久久久久久| 中国国产av一级| kizo精华| 一边亲一边摸免费视频| 国产精品久久久久久久久免| 亚洲成人av在线免费| 三级国产精品欧美在线观看| 国产av国产精品国产| 精品人妻在线不人妻| 18在线观看网站| 日本欧美国产在线视频| 国产在线免费精品| av一本久久久久| 老司机影院成人| 亚洲久久久国产精品| 日韩强制内射视频| 午夜免费观看性视频| 18禁裸乳无遮挡动漫免费视频| 日日啪夜夜爽| www.色视频.com| 欧美3d第一页| 久久久亚洲精品成人影院| 嫩草影院入口| 97超碰精品成人国产| 久久久久久久久大av| 亚洲欧美中文字幕日韩二区| 欧美激情 高清一区二区三区| 精品久久久久久久久亚洲| 在现免费观看毛片| 国产精品一区二区三区四区免费观看| 少妇的逼好多水| 久久精品国产a三级三级三级| 边亲边吃奶的免费视频| 大片免费播放器 马上看| 久久毛片免费看一区二区三区| 七月丁香在线播放| 嘟嘟电影网在线观看| 91久久精品电影网| 性色avwww在线观看| 欧美激情国产日韩精品一区| 菩萨蛮人人尽说江南好唐韦庄| 99热全是精品| 人成视频在线观看免费观看| 亚洲婷婷狠狠爱综合网| 欧美激情国产日韩精品一区| 午夜激情久久久久久久| 亚洲图色成人| 少妇被粗大猛烈的视频| 建设人人有责人人尽责人人享有的| 成人毛片60女人毛片免费| 免费日韩欧美在线观看| 亚洲欧美一区二区三区黑人 | 亚洲欧美成人综合另类久久久| 国产深夜福利视频在线观看| 18禁裸乳无遮挡动漫免费视频| 久久久久久久大尺度免费视频| 国产成人精品无人区| 永久免费av网站大全| 精品久久久久久久久av| 国产欧美日韩一区二区三区在线 | 日韩一本色道免费dvd| 国语对白做爰xxxⅹ性视频网站| 丰满迷人的少妇在线观看| 在线观看一区二区三区激情| 自拍欧美九色日韩亚洲蝌蚪91| 大又大粗又爽又黄少妇毛片口| 有码 亚洲区| 热99久久久久精品小说推荐| 国产精品女同一区二区软件| 国产成人freesex在线| 精品少妇内射三级| 精品国产露脸久久av麻豆| 色婷婷久久久亚洲欧美| 亚洲激情五月婷婷啪啪| 韩国高清视频一区二区三区| 欧美日韩精品成人综合77777| 国产深夜福利视频在线观看| 各种免费的搞黄视频| 久久婷婷青草| 欧美性感艳星| 成人免费观看视频高清| 97精品久久久久久久久久精品| 日韩精品有码人妻一区| 热99久久久久精品小说推荐| 国语对白做爰xxxⅹ性视频网站| 成人亚洲欧美一区二区av| 卡戴珊不雅视频在线播放| 亚洲成色77777| 2021少妇久久久久久久久久久| 在线天堂最新版资源| 男男h啪啪无遮挡| 久久女婷五月综合色啪小说| 中文乱码字字幕精品一区二区三区| 男女啪啪激烈高潮av片| 亚洲av综合色区一区| 亚洲美女视频黄频| 久久国产精品男人的天堂亚洲 | 美女内射精品一级片tv| 中文字幕人妻丝袜制服| 少妇 在线观看| 午夜福利网站1000一区二区三区| 晚上一个人看的免费电影| 99热网站在线观看| 亚洲丝袜综合中文字幕| 欧美日韩视频高清一区二区三区二| 国产伦理片在线播放av一区| 精品少妇内射三级| 交换朋友夫妻互换小说| 国产亚洲一区二区精品| 国产精品成人在线| 日本黄色片子视频| 亚洲五月色婷婷综合| 2022亚洲国产成人精品| 免费观看的影片在线观看| 伊人亚洲综合成人网| 飞空精品影院首页| 最近最新中文字幕免费大全7| 国产一区有黄有色的免费视频| 午夜久久久在线观看| 日韩欧美一区视频在线观看| 欧美日韩视频高清一区二区三区二| 国产欧美亚洲国产| 丝袜美足系列| 欧美日韩在线观看h| 丁香六月天网| 男女国产视频网站| 久久精品国产亚洲av涩爱| 成人无遮挡网站| 欧美精品人与动牲交sv欧美| av线在线观看网站| 免费av中文字幕在线| 久久鲁丝午夜福利片| 大香蕉97超碰在线| 一区二区三区精品91| 日韩精品免费视频一区二区三区 |