基于用户脸部信息的推荐系统设计

摘要

针对大数据时代的数据利用率不高情况,分析比较基于用户的协同过滤推荐算法和基于物品的协同过滤推荐算法;结合2种算法的优点,设计基于用户人脸信息的实时采集入库以及数据分析推荐系统,采用python语言编写程序功能模块.实验数据表明,在使用包含106863张530名男女人脸图像的数据集训练和测试后,与传统有76.6％的识别率的支持向量机(SVM)分类器模型、以及有94.8％的识别率的融合局部二值模式(LBP)算法及SVM分类器算法的模型相比,在使用卷积神经网络(CNN)算法对该数据集构建模型则有98.1％的识别率,相较前2种算法分别提升了21.5％和3.3％.因此,使用卷积神经网络算法训练数据集可以获得较高人脸检测及识别性别、年龄精度的模型.