基于内容过滤的个性化搜索算法

基于项目分类的个性化推荐算法研究，张明坤，张洪刚，为解决个性化推荐的协同过滤算法中出现的稀疏性问题和可扩展性问题，提高推荐质量，在传统协同过滤算法的基础上，引入改进的项目

基于谱聚类的个性化推荐算法，刘嘉雄，刘晋，针对传统协同过滤依赖用户项目评分矩阵，无法摆脱稀疏性、新用户和新项目的冷启动问题。同时，忽略用户特征、项目属性等客观内容

我觉得可以，很好，适合你，基于机器学习的众筹平台个性化推荐算法研究

协同过滤是目前电子商务推荐系统中广泛应用的最成功的推荐技术，但面临严峻的用户评分数据稀疏性和推荐实时性挑战。针对协同过滤中的数据稀疏问题，提出了一种基于最近邻的个性化推荐算法。通过维数简化技术对评分矩

随着Web2.0的发展,UGC标签系统受到越来越多的关注,标签既能反映用户的兴趣又能描述物品的本身特征。现有的标签推荐算法没有考虑用户的连续行为所产生的影响,而传统的基于马尔可夫链(Markov Ch

新闻个性化推荐算法需要用到的一些训练集数据包含用户编号、新闻编号、浏览时间、新闻标题、详细内容、发表时间

推荐算法已广泛用于从许多领域的海量数据中为用户发现有趣的内容。 但是,随着用户需求的多样化,推荐的准确性和效率成为提高用户满意度的重要考虑因素。 本文通过将搜索词与个性化搜索参考词相结合来重新定义内容

从用户个人信息的搜集、用户描述文件建立、搜索结果排序和系统评价四个方面详细阐述了个性化搜索技术并比较分析了不同技术的优缺点,从防止未经许可的数据访问和保护发布数据的安全两个方面介绍了隐私保护技术的研究

基于TF-IQF模型和图聚类的个性化搜索研究》一文中提出了一种基于TF-IQF模型和图聚类的个性化查询方法—利用用户点击和网页标记来构造双向图,再利用个性化的双向图进行聚类

有关web信息数据挖掘的文献。属于GIS和计算机技术领域。