协作过滤算法是当今主要电子商务推荐系统中使用最广泛的推荐算法。 针对传统协同过滤算法适应性差,启动不及时等问题,本文将提出改进措施,构建具有良好扩展性的混合协同过滤算法模型。 同时,本文还将基于遗传算
针对协同推荐技术中的数据稀疏性等问题,提出了一种新颖的协同过滤算法。该算法在用户相似的协同过滤基础之上,引入用户之间的非对称影响度和支持度,提出项目候选集的概念。并且,该算法利用项目信息熵对未评分项目
由于数据稀疏性问题的普遍存在,不仅传统的协同过滤系统中使用单一相似度进行的推荐不具备较高的可信度,而且共同评分项过于稀疏也会导致其推荐性能大打折扣。针对以上问题,提出了一种采用信任网络增强的协同过滤算
针对协同过滤算法中的新用户冷启动问题,提出了基于用户概要扩展的协同过滤算法(EUPCF)。算法采用一种新的加权朴素贝叶斯方法对新用户的概要进行局部扩展,然后使用扩展后的概要为新用户进行预测推荐,为预测
针对传统协同过滤推荐算法在计算用户相似度时只考虑单一的用户评分矩阵问题,提出一种结合时间权重与信任关系的协同过滤推荐算法TTCF。首先通过标签的流行度刻画用户对资源的偏好,并利用用户的时间行为信息获得
协同过滤是互联网推荐系统的核心技术,针对协同过滤推荐算法中推荐精度和推荐效率以及数据可扩展性问题,采用灰色关联相似度,设计和实现了一种基于Hadoop的多特征协同过滤推荐算法,使用贝叶斯概率对用户特征
针对稀疏的用户评分数据,国内外学者对协同过滤算法作了很多改进,归纳为填充法、改进相似度方法、结合内容的推荐等,这些单一方法都不能真正解决数据稀疏的问题。针对这个问题,提出一种填充法和改进相似度相结合的
最新整理资料 文档精选合集 基于协同过滤的推荐算法研究与 GUI 设计 摘 要 随着互联网的普及网络资源不断丰富用户经常会迷失在大量的商品信息空间中无法找到自己需要的商品协同过滤算法应运而生帮助顾客更
推荐系统中互域信息协同过滤算法的研究,冉海荣,温罗生,推荐系统能够感知用户的需求以实现资源推荐,可以有效的解决网络上信息过载和信息迷航问题。在已有的推荐系统中,协同过滤算法是
PAGE 毕业设计论文中文摘要 基于模糊聚类的协同过滤推荐算法研究 摘要 互联网技术的迅猛发展大量的信息充斥在网络世界当中信息超载问题成为了众多电子商务平台急需解决的问题之一本课题主要完成一个个性化推
