基于逐点偏好假设的协同推荐算法研究.pdf

提出了一种新的方法挖掘评论中的文字信息，将评论对象被用户关注的层面发掘出来并评分,根据这些层面的分数以及用户过往的评分数据学习出用户的偏好,最后根据用户的偏好预测其他待评分对象的分数并产生推荐。实验结

论文研究-LBSN中考虑用户交友偏好的好友推荐方法研究.pdf,  基于位置的社交网络（location-basedsoci

myeclipse下基于协同过滤算法的电影推荐系统

推荐算法-基于物品的协同过滤-java.txt

数据稀疏性问题是传统的协同过滤算法主要的瓶颈之一。迁移学习利用辅助领域的用户评分信息,有效地缓解了目标领域的稀疏性问题。现有的迁移学习推荐算法中,普遍存在领域间的用户需要一致、模型平衡参数较多等限制。

基于标签的推荐算法已成为研究热点，现有相关研究集中在利用标签改进协同过滤推荐算法和基于内容的推荐算法，鲜有研究把标签引入更先进的矩阵分解推荐算法。而现有矩阵分解推荐算法大多使用商品类别作为因子向量对用

提出了一个新的相似度概念——元相似度，并在此基础上对标准的协同过滤算法进行了改进。元相似度即相似度的相似度，与相似度相比元相似度是基于相似度矩阵而不是相关矩阵计算得出的。即使是在相关矩阵中未购买过任何

针对于标准二分图网络推荐算法（NBI）的物质扩散机制过于简单的问题，提出了基于聚类系数的改进NBI算法（简称NBICC）。推荐系统可以被抽象为一个有向加权二分图网络，在物质扩散的过程中，考虑到聚类系数

基于主题匹配的服务推荐算法,范玉顺,夏博飞,随着服务系统中服务信息过载,用户选择合适服务的成本越来越高。服务推荐技术作为一种解决服务信息过载的有效方法,近年来获得了

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