暂无评论
最大频繁项集挖掘用于发现频繁地出现在数据集中的最大子集，目前已经有许多有效的算法。应用蚁群算法挖掘最大频繁项集是一种新的方法，但是该算法往往迭代次数多，提取率低。结合频繁项集关联图和最大最小蚂蚁系统，
为了解决用户评分数据稀疏性和用户最近邻寻找的准确性问题，提出了一种基于项目分类的协同过滤推荐改进算法。该算法首先利用项目分类信息为类内未评分项目预测评分值；然后通过计算类内用户间的相似度得到目标用户的
这篇文档是介绍基于用户的协同过滤算法的。 该资源是由 weixin_46449765 用户进行上传的，来源于网络，如有侵权，请联系本人进行删除！
完整的毕业设计项目，mysql +eclipes+ssm框架开发。涉及协同过滤算法
基于信任和兴趣聚类的协同过滤算法，侯成龙，孟祥武，伴随着Web2.0技术及各类社交网站的快速发展，社会化网络中的个性化服务受到越来越多的关注。为了提供高质量的社会化网络推荐，本��
User-based collaborative filtering algorithm code based on MapReduce and its use
基于协同过滤算法的个性化推荐技术的研究
摘要 摘 要 互联网的普及和物联网的迅速发展使得数据已进入自动产生阶段随之人类进入了大 数据时代如何高效地处理和利用这些数据成为了挑战推荐系统的出现有效缓解了信息 过载带给人们的困扰推荐算法是推荐系统
我们限定一下范围假设现在给你一个用户商品的评分矩阵15矩阵中的每个数代表用户对该商品的喜爱程度问如何设计一个推荐系统这个问题的本质就是对用户对商品的评分进行预测将预测评分高的商品推荐给用户这里我们用到
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
暂无评论