期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种改进的slope one推荐算法研究
被引量：
10
1
作者
柴华
刘建毅
《信息网络安全》
2015年第2期77-81,共5页
随着互联网信息的不断膨胀,互联网已经进入了大数据时代。为了解决人们当前面临的信息过载问题,个性化推荐系统应运而生,系统核心是其所使用的推荐算法。slope one算法是一种简单高效的典型协同过滤推荐算法,算法通过对用户——项目评...
随着互联网信息的不断膨胀,互联网已经进入了大数据时代。为了解决人们当前面临的信息过载问题,个性化推荐系统应运而生,系统核心是其所使用的推荐算法。slope one算法是一种简单高效的典型协同过滤推荐算法,算法通过对用户——项目评分矩阵进行线性回归,预测用户对于未评分项目的可能评分。由于算法的输入只有用户评分矩阵,而实际情况中的评分矩阵通常较为稀疏,因此数据稀疏性是影响其推荐准确率的主要问题。为了克服该问题,文章基于现有研究提出了一种改进的slope one算法。该算法根据所有用户对项目的历史评分计算其项目相似度,然后将其加入评分公式予以修正,同时针对稀疏的评分矩阵使用奇异值分解技术降低矩阵维度,生成更加稠密的相似矩阵作为slope one核心计算部分的输入。项目相似度的引入增加了算法对于项目内在联系的考虑,推荐结果更加合理。而奇异值分解则可以使稀疏的评分矩阵转换为更适用于算法计算的形式。通过项目相似性和奇异值分解两种技术的融合,文中算法实现了更好的推荐准确性和适应性。
展开更多
关键词
协同过滤
SLOPE
ONE
项目相似性
奇异值分解
下载PDF
职称材料
融入改进的K-means聚类的协同过滤算法的研究与应用
被引量：
1
2
作者
刘鑫
《软件》
2021年第3期97-99,共3页
本文通过对K-means聚类算法和协同过滤推荐算法的学习研究。针对基于用户的协同过滤算法的不足,将改进的K-means聚类算法融入其中,设计了基于K-means聚类算法的个性化推荐算法,并将其应用于旅游景点及线路的个性化推荐中,以提高个性化...
本文通过对K-means聚类算法和协同过滤推荐算法的学习研究。针对基于用户的协同过滤算法的不足,将改进的K-means聚类算法融入其中,设计了基于K-means聚类算法的个性化推荐算法,并将其应用于旅游景点及线路的个性化推荐中,以提高个性化推荐质量。实验结果表明,基于改进的K-means聚类的协同过滤算法缓解了初始数据的稀疏性问题,针对不同用户喜爱的旅游景点及线路推荐,在准确率和召回率两个方面证明可以提高个性化推荐的准确度。
展开更多
关键词
K-MEANS聚类
协同过滤算法
最小生成树
下载PDF
职称材料
题名
一种改进的slope one推荐算法研究
被引量：
10
1
作者
柴华
刘建毅
机构
北京邮电大学大学计算机学院
出处
《信息网络安全》
2015年第2期77-81,共5页
基金
国家科技支撑计划[2012BAH08B02]
国家高技术研究发展计划[2012AA012606]
+3 种基金
中央高校基本科研业务费专项资金[2013RC0310]
教育部科技发展中心网络时代的科技论文快速共享专项研究资助课题[2013114]
北京高等学校青年英才计划[YETP0448]
数字版权研发工程项目[1681300000119]
文摘
随着互联网信息的不断膨胀,互联网已经进入了大数据时代。为了解决人们当前面临的信息过载问题,个性化推荐系统应运而生,系统核心是其所使用的推荐算法。slope one算法是一种简单高效的典型协同过滤推荐算法,算法通过对用户——项目评分矩阵进行线性回归,预测用户对于未评分项目的可能评分。由于算法的输入只有用户评分矩阵,而实际情况中的评分矩阵通常较为稀疏,因此数据稀疏性是影响其推荐准确率的主要问题。为了克服该问题,文章基于现有研究提出了一种改进的slope one算法。该算法根据所有用户对项目的历史评分计算其项目相似度,然后将其加入评分公式予以修正,同时针对稀疏的评分矩阵使用奇异值分解技术降低矩阵维度,生成更加稠密的相似矩阵作为slope one核心计算部分的输入。项目相似度的引入增加了算法对于项目内在联系的考虑,推荐结果更加合理。而奇异值分解则可以使稀疏的评分矩阵转换为更适用于算法计算的形式。通过项目相似性和奇异值分解两种技术的融合,文中算法实现了更好的推荐准确性和适应性。
关键词
协同过滤
SLOPE
ONE
项目相似性
奇异值分解
Keywords
collaborative
fi
ltering
slope
one
item
similarity
single
value
decomposition
分类号
TP391.3 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
融入改进的K-means聚类的协同过滤算法的研究与应用
被引量：
1
2
作者
刘鑫
机构
吉林建筑科技学院
出处
《软件》
2021年第3期97-99,共3页
基金
吉林建筑科技学院2019年校级科研项目“基于聚类的推荐算法及应用研究”(项目编号:校科字[2019]012号)。
文摘
本文通过对K-means聚类算法和协同过滤推荐算法的学习研究。针对基于用户的协同过滤算法的不足,将改进的K-means聚类算法融入其中,设计了基于K-means聚类算法的个性化推荐算法,并将其应用于旅游景点及线路的个性化推荐中,以提高个性化推荐质量。实验结果表明,基于改进的K-means聚类的协同过滤算法缓解了初始数据的稀疏性问题,针对不同用户喜爱的旅游景点及线路推荐,在准确率和召回率两个方面证明可以提高个性化推荐的准确度。
关键词
K-MEANS聚类
协同过滤算法
最小生成树
Keywords
K-means
clustering
collaborative
fi
ltering
algorithm
minimum
spanning
tree
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种改进的slope one推荐算法研究
柴华
刘建毅
《信息网络安全》
2015
10
下载PDF
职称材料
2
融入改进的K-means聚类的协同过滤算法的研究与应用
刘鑫
《软件》
2021
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
