论文研究基于联合聚类的优化协同过滤推荐算法 .pdf

基于情绪和因子分解的协同过滤算法，王强强，孟祥武，面对电子商务领域中电影个性化推荐问题，本文将情绪上下文信息和协同过滤算法相结合，提出一种基于情绪和因子分解的协同过滤算法

对协同过滤算法的原理进行介绍，有助于对算法进行理解

针对传统的基于最近邻协同过滤推荐算法中计算相似度存在的缺陷,提出了一种基于二阶段相似度学习的协同过滤推荐算法,该算法旨在通过较少的迭代计算改善推荐算法性能。它以既约梯度法迭代寻优为主、最近邻算法为辅,

基于标签的协同过滤推荐算法

针对跨系统协同过滤推荐中用户信息安全问题，提出一个安全计算模型。模型基于安全多方计算理论，使用轻量级分组密码算法LBlock加密第三方提供的数据，并用RSA密码系统管理密钥。以该模型为安全基础，结合随

在分析传统推荐算法不足的基础上,提出一种稀疏矩阵下的个性化改进策略。首先进行一对一的个性化预测,得到虚拟用户评分矩阵,在此基础上再进行综合预测。该方法避免了传统推荐算法中推荐值与用户相似度不密切相关的

现有的基于近邻的协同过滤推荐方法如基于KNN、基于K-means的协同过滤推荐常用来预测用户评分，但该方法确定邻居个数K非常困难且推荐准确率不高，难以达到理想推荐效果。从选择邻居用户这一角度出发，提出

传统基于项目的协同过滤算法在计算项目之间相似度时只考虑历史项目的评分，而忽略了历史项目偏好对其的影响，以至于推荐精度不够理想。针对此问题，提出了一种融合注意力机制的深度电影推荐算法。根据得到的隐性反馈

为了解决用户评分数据稀疏性问题和传统相似性计算方法因严格匹配对象属性而产生的弊端,结合项目分类和云模型提出了一种改进的协同过滤推荐算法。首先,按项目分类得到类别矩阵;然后利用云模型计算类内项目间的相似

基于用户的协同过滤算法，使用Java实现，实验数据集为movielens100k