個性化商品推薦系統(tǒng)的混合推薦算法研究

打開文本圖片集

摘要：推薦算法是推薦系統(tǒng)的核心內(nèi)容，推薦算法的評價標準包含預分類準確性和測準確性。傳統(tǒng)的推薦算法有兩個明顯缺陷，使用詞頻作為搜索文本的特征向量與無法克服高頻詞匯干擾。通過TF/IDF特征詞加權(quán)改進算法提升分類準確性。提出混合模型LDTF，從信息增益的角度計算每個詞性對詞義的貢獻增益，來判斷一個特定詞再此詞性下能夠代表的詞義權(quán)重，用動態(tài)的計算不同詞性的詞性比，解決傳統(tǒng)TF/IDF算法在文本識別的缺陷，使用CW-TF/IDF優(yōu)化算法提升特征詞的分類效果綜合提升推薦準確度。（剩余5384字）