Recommender Systems Collaborative Filtering:基于MovieLens的协同过滤推荐系统 源码

基于现实推荐系统数据集非常稀疏,导致传统的协同过滤算法往往无法提供高质量推荐的问题,提出了一种基于粗糙集规则提取的协同过滤算法。首先利用用户/物品属性和用户-物品评分矩阵构建决策表,然后通过决策表约简

PAGE 毕业设计论文中文摘要 基于模糊聚类的协同过滤推荐算法研究 摘要 互联网技术的迅猛发展大量的信息充斥在网络世界当中信息超载问题成为了众多电子商务平台急需解决的问题之一本课题主要完成一个个性化推

数据稀疏性问题对协同过滤推荐系统的推荐精度有很大影响,为此,融合缺失数据平衡方法,提出了一个基于KNN-SVM的混合协同过滤推荐算法。利用K-最近邻法对训练集中的缺失数据进行填补,然后通过支持向量机交

协同过滤是推荐系统中最有效的方法之一，推荐算法评分预测的精确性受到最近邻居的提取以及项目或用户相似度计算的两个关键点的影响。根据用户行为相似性原理，采用最大交集法提取与当前项目共同评分最多的邻居作为最

针对传统协同过滤算法中用户的个性化评价标准导致评分值不能合理地表达用户对项目的偏好程度问题，提出满意区间的概念，并设计了一种协同过滤推荐算法。该算法首先根据用户各评分值的使用概率建立其与满意区间的映射

基于KNN邻居选择的协同过滤推荐算法在邻居选择时没有考虑邻居的盲目跟风性，导致部分邻居用户在预测目标用户对未知项目评分时的作用很小。针对这一问题，提出贡献因子，从非共同评价项目集这一角度切入，考虑邻居

传统基于用户的协同过滤推荐算法在计算用户之间的相似度时只考虑了用户的评分，而忽略了不同项目之间的差异。针对传统方法在数据稀疏情况下表现不理想的缺点，提出了结合项目标签信息针对每个目标项为用户选择邻居的

基于ItemCF协同过滤、hadoop-mapreduce的商品推荐系统下载地址。基于ItemCF的协同过滤物品推荐系统Collaborativefilteringgoodsrecommendatio

基于协同过滤的图书推荐系统设计与实现，孙广东，，随着信息技术的发展，网络资源呈爆炸式增长，产生了信息过载的问题。个性化推荐技术是解决信息过载的有效手段，其中，协同过滤是

RecommenderSystemsHandbook一本关于推荐系统集理论与实践为一体的好书英文原版