暂无评论
一种基于聚类和协同过滤的组合推荐算法_刘旭东
一种基于EM算法的缺失数据插补算法,庄朋,孟凡荣,多维数据的集成是进行科学研究的一种重要手段,在实际应用中,集成后的数据集不可避免的会出现一些缺失。本文提出了一种基于EM算�
协同过滤推荐系统研究,牟丹,刘辉,推荐系统作为电子商务网站的一种重要的营销工具,使消费者在面对海量的商品信息时得到有价值的购买建议的同时,也提高了网站的销
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
针对基于邻近关系的协同过滤算法在线推荐效率低的问题,提出了一种可离线训练评分预测模型的算法。通过聚类算法降低用户-项目评分矩阵中用户向量和项目向量的维数,并对数据进行转换使其适用于监督模型;利用转换后
基于差分隐私的SlopeOne协同过滤推荐算法,王辉,何杰,SlopeOne算法是一种简洁高效且推荐精度高的协同过滤推荐算法,然而其很难提供一个严格的隐私保证。潜在攻击者可以通过观察用户的推
针对推荐系统中单类协同过滤(OCCF)可解释性差、数据噪声多的缺陷,提出了一种基于置信度加权的单类协同过滤推荐算法。算法通过置信度函数将用户隐性反馈映射为置信概率,并将该函数集成到隐性反馈推荐模型(I
传统的协同过滤推荐算法为目标用户推荐时,考虑了所有用户的历史反馈信息对物品相似度的影响,同时相似度的度量仅依靠用户评分信息矩阵,导致了推荐效果不佳。为解决上述问题,提出了基于用户谱聚类的Top-N协同
针对传统协同过滤算法存在冷启动、数据稀疏、运行效率低下等问题,分析了较传统协同过滤算法更加高效准确的SlopeOne算法的优点、原理及流程。针对SlopeOne算法未考虑用户兴趣变化和用户相似性这两方
暂无评论