基于协同过滤技术的图书推荐系统研究

基于用户的协同过滤算法的电影推荐（稀疏矩阵）含代码和Netflix数据（800万+条，分测试集和数据集），博客中有讲解

以往的协同过滤推荐算法具有数据稀疏性问题,而对于新资源还具有“冷启动”问题。为此提出了一种基于资源特征的协同过滤推荐方法。通过收集和分析用户的行为,将用户对于资源的喜好转化为用户对于关键词的兴趣权重,

针对传统协同过滤算法普遍存在的稀疏性和冷启动问题，提出一种基于信任和矩阵分解的协同过滤推荐算法。提出一种基于用户评分值的隐式信任计算方法，该方法综合考虑用户的相似性和交互经验，运用信任传播方法使不存在

基于联合聚类的优化协同过滤推荐算法，袁凌，郭明，随着网络信息的急剧增长，用户需要花费更多时间浏览和找寻自己感兴趣的信息。协同过滤技术是一种基于用户显性评分行为的个性化推

基于SVD用户特征矩阵的协同过滤推荐算法，崔垚，孟祥武，在个性化餐厅推荐领域，用户特征和位置信息对于用户偏好的影响被认为是显著的。传统的推荐技术，往往未能充分挖掘用户特征和位置

基于SVD协同过滤的同风格图片推荐算法，李晗曦，张明会，（在进行界面设计时最重要的一点就是保持界面的风格统一。为了降低UI设计师对产品UI风格统一性的维护成本，提出一种基于SVD协同过��

论文研究-基于情境化用户偏好的协同过滤推荐模型.pdf,  协同过滤推荐是目前个性化推荐系统中使用最为广泛的方法.然而，传统

协同过滤推荐系统的近邻选择环节中不仅没有考虑目标项目对用户间相似性计算的影响，而且也未考虑邻居用户对目标用户的推荐贡献能力，导致既降低了相似性计算的准确性，也提高了近邻集合中伪近邻的比例。针对这些问题

基于双重优化聚类的协同过滤推荐算法，梁丽君，李业刚，针对传统的协同过滤推荐算法,在数据稀疏性，冷启动和可扩展性问题遇到的瓶颈，提出了基于双重优化聚类的协同过滤推荐算法。首先��

新闻网页和书签的推荐被认为是单类协调过滤问题。通常这类数据是相当稀疏的, 仅仅一小部分数据是正例, 在非正例数据中负例和没有标记的正例是混合在一起的, 难以区分开来, 因此, 就如何解释非正例数据出现