论文研究融合用户自然最近邻的协同过滤推荐算法.pdf

基于增量更新的协同过滤推荐算法,方芳,严克文,为解决传统协同过滤推荐算法相似度矩阵不能局部更新的问题,提出了一种基于增量更新的协同过滤推荐算法。算法首先根据用户评分数

针对现存的基于标签的个性化推荐系统在构建用户兴趣模型时未充分挖掘用户真正的兴趣爱好，且未考虑到时间因素对推荐结果的影响，提出一种改进的基于标签的协同过滤算法（ITCF）。该算法将用户评分融入到用户对标

一种新的Vague集的协同过滤推荐算法，王伟，彭进业，针对协同过滤推荐系统，结合Vague集方法提出了一种新的协同过滤推荐RSCFRA-VS算法。在分析了已有的基于Vague集的协同过滤推荐算法及其�

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

针对协同过滤算法存在的问题进行改进，以提高评分预测和推荐结果的准确性。传统的相似度度量方法只考虑用户评分，过于简单，在皮尔森相似度的基础上引入用户评分时间和商品流行度对用户评分进行加权处理，并与基于共

在推荐系统中，用户冷启动问题是传统协同过滤推荐系统中一直存在的问题。针对这个问题，在传统协同过滤算法的基础上，提出一种新的解决用户冷启动问题的混合协同过滤算法，该算法在计算用户相似性时引入用户信任机制

最大频繁项集挖掘用于发现频繁地出现在数据集中的最大子集，目前已经有许多有效的算法。应用蚁群算法挖掘最大频繁项集是一种新的方法，但是该算法往往迭代次数多，提取率低。结合频繁项集关联图和最大最小蚂蚁系统，

将用户评分和用户属性（性别、年龄等）加权混合推荐 1、解压下载的CollaborativeFilteringBasedUserAndGener压缩文件 2、操作系统中需装java jdk1.7或者以上

项目完整可用,配合压缩包内数据库可直接运行使用。 eclipse+mysql5.7+jdk1.8 功能:推荐引擎利用特殊的信息过滤(IF,Information Filtering)技术,将不同的内容

本例是协同过滤item-based,user-based的java源码，之前上课的一个课程作业。