基于协同过滤算法的室内设计推荐技术

发布时间：2021-03-03 11:52

　　为了缩短室内设计推荐的时间,为用户快速推荐感兴趣的室内设计,提出基于协同过滤算法的室内设计推荐技术。通过计算室内设计分词,分析室内设计协同过滤的权重分布。基于对室内设计的内容进行关键词特征的选择和计算,确定室内设计特征提取流程,完成基于协同过滤的室内设计特征提取。根据用户的室内设计初始评分,计算出室内设计的权重,通过权重向量值预测用户室内设计的最终评分,利用室内设计推荐算法流程确定推荐算法的实现步骤,完成室内设计推荐算法的设计。最后通过室内设计协同过滤推荐模型,实现基于协同过滤算法的室内设计推荐。实验结果表明,基于协同过滤算法的推荐技术相比于传统推荐技术,室内设计的推荐时间缩短了70.3%。 

【文章来源】：现代电子技术. 2020,43(13)北大核心

【文章页数】：4 页

【部分图文】：

基于协同过滤的室内设计特征提取流程图

将室内设计通过协同过滤算法赋予一定权重，根据用户的室内设计权重和评分，计算出室内设计的权重，并预测出未评分室内设计的大致评分结果，缩短室内设计的推荐时间。先根据用户室内设计的历史评分记录，建立室内设计文档集，采用协同过滤算法计算出用户室内设计的权重向量[10]；然后建立一个室内设计线性回归模型和代价函数，利用协同过滤算法计算室内设计权重向量；最后根据权重向量的值，预测出用户室内设计的评分，为用户室内设计产生推荐[11]。室内设计推荐算法流程图如图2所示。室内设计推荐算法的实现步骤如下：

综上所述，由于室内设计文本中的协同过滤更可以代表用户感兴趣的信息，通过计算室内设计的分词，分析了室内设计协同过滤的权重分布，将词频值高于阈值的词语作为室内设计推荐的关键词，对室内设计的内容进行关键词特征的选择和计算，确定了室内设计特征提取流程，完成了基于协同过滤的室内设计特征提取。根据用户的室内设计初始评分，计算出室内设计的权重，通过权重向量的值预测出用户室内设计的最终评分，利用室内设计推荐算法流程，确定推荐算法的实现步骤，完成室内设计推荐算法的设计。最后通过室内设计协同过滤推荐模型实现了基于协同过滤算法的室内设计推荐。2 仿真实验分析

【参考文献】：
期刊论文
[1]基于物品融合自编码器的协同过滤推荐算法[J]. 王东,薛峰,刘凯,陈思洋,张浩博.  计算机应用. 2019(S1)
[2]基于社交媒体基因图谱的用户推荐模型研究[J]. 张继东,黄媛.  情报杂志. 2019(08)
[3]融合语义和社交特征的电子文献资源推荐方法研究[J]. 杨辰,刘婷婷,刘雷,牛奔,孙见山.  情报学报. 2019(06)
[4]基于SVD填充的混合推荐算法[J]. 刘晴晴,罗永龙,汪逸飞,郑孝遥,陈文.  计算机科学. 2019(S1)
[5]混合分层抽样与协同过滤的旅游景点推荐模型研究[J]. 李广丽,朱涛,袁天,滑瑾,张红斌.  数据采集与处理. 2019(03)
[6]基于VSM和Bisecting K-means聚类的新闻推荐方法[J]. 袁仁进,陈刚,李锋,魏双建.  北京邮电大学学报. 2019(01)
[7]融合SOM功能聚类与DeepFM质量预测的API服务推荐方法[J]. 曹步清,肖巧翔,张祥平,刘建勋.  计算机学报. 2019(06)
[8]融合内容和改进协同过滤的个性化推荐算法[J]. 何波,潘力.  控制工程. 2018(08)
[9]基于用户扩展兴趣的微博推荐方法[J]. 徐建民,刘明艳,王苗.  计算机应用研究. 2019(06)
[10]一种基于相似度和信任度融合的微博内容推荐方法[J]. 李吉,黄微,郭苏琳.  图书情报工作. 2018(11)



本文编号：3061216