论文研究一种新的基于非对称皮尔逊相似度的协同过滤算法 .pdf

基于显式反馈的协同过滤推荐算法研究 摘 要 如今随着电子商务社交网络和人工智能等技术的不断发展信息量每天 都在快速增加面对海量数据我们时常因为不知如何获取有价值的信息而倍感 焦虑智能推荐算法能帮助我们

摘要 摘 要 互联网的普及和物联网的迅速发展使得数据已进入自动产生阶段随之人类进入了大 数据时代如何高效地处理和利用这些数据成为了挑战推荐系统的出现有效缓解了信息 过载带给人们的困扰推荐算法是推荐系统

一种基于本体的概念语义相似度方法的研究，王家琴，李仁发，提出了一种计算不同本体中概念间语义相似度的方法,该方法通过比较实例间的相似度获得初始概念间语义相似度，然后结合影响概念间��

基于协同过滤方面的个性化推荐的主要源代码

针对常规推荐算法数据单一、准确性和可靠性都比较低的问题,提出了将时间和标签上下文信息加入到推荐算法中,以丰富单个用户或商品的信息。利用时间信息挖掘用户间的影响关系,同时利用标签上下文来衡量物品间的关系

协同过滤推荐算法由于不受特定领域知识限制、简单易实现等优点，得到了广泛的应用．但是，在实际应用中，该类算法往往面临着数据稀疏性、可扩展性、冷启动等问题．为了解决其中的用户冷启动问题，将用户社交信息和评

一种基于聚类和协同过滤的组合推荐算法_刘旭东

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

为了克服“维灾”所带来的问题，提出一种基于主成分分析的维数约简方法，并在转换后的低维向量空间上进行K-means聚类算法，以减少目标用户的最近邻搜索范围，代替在超高维空间上逐一寻找最近邻的过程。实验结

协同过滤由于数据稀疏、冷启动等问题导致了相似用户发现变得困难，从而影响推荐结果的质量。为克服这一不足，提出一种以本体、语义Web为基础的方法，通过构建用户之间的信任网络以及计算用户间的信任权重值，从而