针对当前协同过滤推荐算法易受数据稀疏性与冷启动的问题，提出了一种改进最近邻的协同过滤推荐算法。建立用户-项目评分矩阵，并度量项目之间、用户之间的相似性，获取项目和用户的最近邻居，其中最近邻居的最优参数
协同过滤 PPT
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
根据用户的喜好进行推荐，利用皮尔逊相似度，欧几里得求距离，最后产生推荐
主要介绍了python实现协同过滤推荐算法完整代码示例,具有一定借鉴价值,需要的朋友可以参考下。
User-basedCollaborativeFiltering用户间多相似度协同过滤推荐算法
文档中采用的数据来自GroupLens提供的Movielens数据集，在程序中我直接使用了u.data这个数据集，可以直接从文件夹“数据”获取，验证了UserBasedCF算法的实际效果，程序设计思路
该资源是在Eclipse平台里，使用Mahout库的API，实现基于用户的协同过滤算法，从而进行商品推荐。软件环境是：win764位+Eclipse4.4+jdk1.6，用到了7个.jar包，分别为：
我的毕业设计用到的实验程序,用VC6.0即可实现。安装了VC6.0之后进入debug-test1.exe即可运行,计算出算法数据集的准确率,召回率,多样性等推荐系统指标。数据集是movielens1M
基于用户的协同过滤算法Java实现，基本功能都能有效实现，非常适合进行扩展改进自己所需功能
用户评论