论文研究基于项目评分预测和矩阵分解的混合协同过滤算法 .pdf

传统的基于项目的协同过滤算法离线计算项目相似性，提高了在线推荐速度，但该算法仍然不能解决数据稀疏性所带来的问题，计算出的项目相似性准确度较差，影响了推荐质量。针对这一问题，提出了一种结合类别偏好信息的

针对现有的基于KNN近邻协同过滤技术，在选择最近邻居时过于依赖评分相似度的问题，提出了一种用户属性加权活跃近邻的协同过滤算法。首先，通过引入用户特征属性并融合最小权重相似度，根据所得的最终相似度生成目

针对冷启动问题，通过K-means聚类与改进的遗传算法相结合的混合算法实现协同过滤算法中聚类模型的构建，自适应地获取聚类算法中的K值及初始聚类中心集，由新用户或新项目自身属性信息计算熵值，来对其进行归

用java语言实现协同过滤,改代码使用java完成协同过滤的电影推荐系统

使用python实现的基于用户的协同过滤,使用jaccard相似度,计算的precision、recall指标

协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么

目前商用的推荐机制都为混合式推荐,将用户属性、项目属性、用户操作行为、聚类算法、基于用户、基于项目、基于内容等混合推荐。本文主要介绍混合推荐的推荐原理、推荐过程、代码实现。 一、基于用户/项目的混合协

基于用户的协同过滤和基于内容的混合推荐系统源代码.基于内容的推荐算法的具体实现+基于用户的协同过滤算法的具体实现网上下载的，使用python语言来进行编写

协同过滤技术目前被广泛应用于个性化推荐系统中。为了使用户的最近邻居集合更加精确有效，提出了基于用户兴趣度和用户特征的优化协同过滤推荐算法。首先通过计算用户对项目的兴趣度来对用户进行分组；然后采用贝叶斯

基于协同过滤和应用风险的移动应用推荐系统，罗小兵，徐国爱，随着移动互联网的快速发展,移动应用数量呈爆发式增长,面对各式各样的应用用户选择自己感兴趣的应用变得越来越难,同时移动应用往往