暂无评论
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
协同过滤技术基于用户的评分历史预测用户对某一项目的评分。基于用户的协同过滤技术可以利用传统的欧氏距离发现与用户的兴趣相近的近邻。针对欧氏距离并不能很好地反应用户之间的近邻关系的问题,一种新颖的基于欧氏
基于mahout的协同过滤，个性化推荐算法实现。源码是java，可单机运行
User-based collaborative filtering algorithm-matlab
基于知识图谱表示学习的协同过滤算法
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
协同过滤算法（java）java版本的协同过滤算法哦
基于项目（Item-based）协同过滤算法源码 可用于个性化推荐 参加卓越亚马逊商品推荐
User collaborative filtering algorithm
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
暂无评论