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
针对传统协同过滤在推荐过程中存在的稀疏性、扩展性以及个性化问题,通过引入算法集成的思想,旨在优化和改进一种新型的基于Spark平台下的混合协同过滤。借鉴Stacking集成学习思想,将多个弱推荐器线性
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��
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
基于信任和兴趣聚类的协同过滤算法,侯成龙,孟祥武,伴随着Web2.0技术及各类社交网站的快速发展,社会化网络中的个性化服务受到越来越多的关注。为了提供高质量的社会化网络推荐,本��
传统协同过滤推荐算法的相似度量方法仅考虑用户间共同评分,忽略了用户间潜在共同评分项等信息量对推荐结果的影响。针对上述问题,设计了一种正态分布函数相似度量模型,此模型考虑了用户间的共同评分、共同评分项目
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
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��