基于信任和兴趣聚类的协同过滤算法.pdf

针对传统的基于用户的协同过滤推荐算法存在用户兴趣偏好模型过于粗糙和邻居集不够准确等问题，提出了一种新的协同过滤推荐算法，命名为基于用户间引力的协同过滤推荐算法。该算法认为用户使用的社会标签可以反映用户

针对传统协同过滤算法中存在的数据稀疏性问题，结合用户评分及用户评论信息的特点，提出了基于评论与评分的user-based协同过滤算法和基于评论与评分的item-based协同过滤算法。该算法利用主题模

针对协同过滤算法中的新用户冷启动问题,提出了基于用户概要扩展的协同过滤算法(EUPCF)。算法采用一种新的加权朴素贝叶斯方法对新用户的概要进行局部扩展,然后使用扩展后的概要为新用户进行预测推荐,为预测

针对离散评分不能合理表达用户观点和传统协同过滤算法存在稀疏性等问题,借鉴年龄模糊模型,提出了梯形模糊评分模型。该模型将离散评分模糊化为梯形模糊数,考虑了评分模糊性和信息量,通过梯形模糊数来计算用户相似

基于项目评分预测的协同过滤推荐算法,推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统用户数目和商品数目的日益增加,在整个商品空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,

协同过滤推荐算法通过研究用户的喜好,实现从海量数据资源中为用户推荐其感兴趣的内容,在电子商务中得到了广泛的应用。然而,当此类算法应用到社交网络时,传统的评价指标与相似度计算的重点发生了变化,从而出现推

实验三 基于用户的协同过滤算法.docx

基于用户的协同过滤算法音乐推荐系统

传统的协同过滤算法存在数据稀疏、可扩展性弱和用户兴趣度偏移等问题，算法运行效率和预测精度偏低。针对上述问题，提出一种改进的Mini batch K-Means时间权重推荐算法。采用Pearson相关系

随着微博用户数量的上升,微博信息量成倍增长,基于冗杂的微博信息向微博用户快速推.荐感兴趣的好友是不容回避的技术问题。针对这一问题,基于微博大数据,以 Hadoop 为平台,HBase 为基础,MapR