暂无评论
协同过滤是互联网推荐系统的核心技术，针对协同过滤推荐算法中推荐精度和推荐效率以及数据可扩展性问题，采用灰色关联相似度，设计和实现了一种基于Hadoop的多特征协同过滤推荐算法，使用贝叶斯概率对用户特征
单一评分相似性度量及数据稀疏导致了传统推荐算法计算出的用户或项目近邻不准确、推荐质量不高，为此，提出了一种多因素复合度量的协同过滤推荐算法。该算法基于用户访问次数、停留时间及评分定义了一个多因素约束的
针对传统协同过滤（CF）推荐算法存在评分矩阵稀疏、扩展性弱和推荐准确率低的缺陷，提出一种改进模糊划分聚类的协同过滤推荐算法（GIFP-CCF）。在传统基于修正余弦相似度计算方法上，引入时间差因子、热门
针对稀疏评分矩阵的改进协同过滤推荐算法，周子亮，吴为民，协同过滤推荐策略是推荐系统中应用最成功的个性化推荐策略，然而，数据匮乏一直是推荐系统发展所面临的重大挑战。本文针对这一问
针对数据稀疏性问题，对协同过滤推荐算法作了改进，提出分步预测的算法。算法先对评分矩阵作预处理，重新排列矩阵元素的位置，使评分数据集中到矩阵左上角，并对评分数过少的用户进行部分填充；然后再提取一个数据密
Item-Based_Collaborative_Filtering_Recommendation_Algorithms是一篇描述Item-Based方向的协同过滤算法的论文。对需要了解这方面知识的同
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
基于用户的协同过滤和基于内容的混合推荐系统源代码。
基于用户的特征和用户评分相结合的协同过滤推荐算法，潘超，郭莉，当前协同过滤是在实际应用中的最为广泛的推荐系统，特别是在购物网站中。然而，传统的协同过滤算法面临着一些缺陷，比如：冷启动
最新整理资料 文档精选合集 基于协同过滤的推荐算法研究与 GUI 设计 摘 要 随着互联网的普及网络资源不断丰富用户经常会迷失在大量的商品信息空间中无法找到自己需要的商品协同过滤算法应运而生帮助顾客更
暂无评论