基于用户的协同过滤

为了缓解用户项目评分矩阵数据的稀疏性，在传统的协同过滤项目评分矩阵的基础上，对项目的特征进行分析，引入项目特征矩阵，然后结合余弦相似性和基于用户对项目属性偏好相似性综合计算用户的相似性，并通过一个权值

传统的协同过滤算法广泛应用于推荐系统领域，但该算法仍存在用户冷启动和数据稀疏性问题，造成算法的推荐质量较差。对此，提出一种基于用户多属性与兴趣的协同过滤算法AICF（attributes and in

该资源可以帮助学习推荐算法的一些朋友进行学习和研究。

在推荐系统中数据稀疏性和推荐时效性是经常面对的问题,为了更好地反映不同用户在不同阶段的邻域相关性,从而能够挖掘出评分项目中所隐含的个性化信息,在基于用户的协同过滤算法预测评分过程中将联合相似度与用户兴

通过MATLAB的编制来完成一个基于协同过滤算法的影视相关推荐以及影视点播的排行。其中协同过滤算法之中需要运用到一定的相似度计算函数最好能使用Eulid距离，cosine 或者皮尔逊函相关系数等，如果

TransferLearningforCollaborativeFilteringviaaRating-MatrixGenerativeModel

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,

为了解决Internet上的信息迅速膨胀,出现的信息过载的问题,用户要在大量信息中挑选出自己真正需要的信息好比大海捞针,传统的搜索型产品存在一些不足,无法真正解决信息爆炸的问题,而推荐系统则是一个很好

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