共查询到20条相似文献,搜索用时 15 毫秒
1.
针对基于用户的协同过滤推荐模型对搜索兴趣最近邻居准确度不高等问题,提出了一种时间上下文关联的智能推荐模型。该模型考虑了现实情况中顾客之间兴趣的时间同步性与顾客之间的相似性成正比的关系,并在模型中引入了时间衰减因子来表示这种关系,从而提高搜索兴趣最近邻居的准确度。实验结果表明,改进的时间关联推荐模型的准确度比协同过滤推荐模型的准确度提高了25%。 相似文献
2.
3.
4.
【目的/意义】通过订阅记录获取用户兴趣爱好,并将协同过滤推荐方法应用于图书个性化推荐,为读者提供优质服务。【方法/过程】以协同过滤算法为基础,根据用户订阅记录,分别计算用户相似性和订阅图书相似性。针对传统协同过滤方法在计算热门订阅相似度时存在的缺陷,引入对订阅权重的惩罚机制,减轻了热门订阅会和很多订阅相似的可能性,并根据协同过滤方法,产生相应推荐结果。【结果/结论】运用公开可获取的数据集进行的算法验证表明,基于订阅记录的协同过滤算法推荐准确度较高,对提升用户图书借阅体验相关研究与实践有一定的参考价值。 相似文献
5.
协同过滤技术是个性化推荐系统中最经典的代表,但传统的协同过滤技术也面临着冷启动、数据稀疏性等弊端,加上协同过滤技术很少考虑用户兴趣随时间变化和用户特征等因素,导致推荐质量不尽如人意。在传统协同过滤的基础上,结合用户兴趣变化和用户特征两方面,提出一种改进算法的协同过滤技术,与传统技术相比推荐质量显著提高。 相似文献
6.
基于协同过滤(CF)的个性化推荐技术,提出一种移动设备个性化软件推荐系统.该系统根据协同过滤的理论,首先通过软件类别兴趣相似度的计算,筛选出软件类别相似的用户候选集,过滤所有移动用户,减小产生的用户候选推荐集;然后对用户候选推荐集进行最近邻居的相似性计算以找出目标用户的邻居集合,并且对邻居集合中的邻居评分进行实时更新;最后根据兴趣相似度最大的K个邻居形成目标用户的Top-N推荐集.在第三方手机软件管理平台上通过监测推荐软件的下载或浏览量,验证系统的有效性和准确性. 相似文献
7.
最近邻协同过滤常用的计算用户访问行为相似程度的距离函数仅是测定访问者对象在所有测试属性空间上的平均测定,而在属性集的子维空间上的相似模式并没有有效地挖掘出来,用户评分数据稀疏等问题使其推荐质量下降。针对这些问题,提出一种基于用户模式聚类的协同过滤推荐算法,该算法采用基于用户模式相似的子空间聚类方法产生聚类,并且利用模式相似度改进协同过滤,从而对用户产生个性化推荐。实验结果表明,该方法改善了推荐系统的效率和精度。 相似文献
8.
9.
协同过滤推荐技术是推荐系统中最核心的技术之一,也是目前应用最广泛、最成功的技术.在本文中,研究如何将协同过滤推荐技术借鉴过来,并就冷开始问题、稀疏问题和新兴趣发现问题对现有的协同过滤推荐技术进行改进,以达到实现网络教学平台个性化的目的 相似文献
10.
基于时间序列的个性化信息协同过滤技术研究 总被引:4,自引:0,他引:4
以个性化推荐服务为基础,讨论了协同过滤技术在推荐服务中的运用,提出了基于时间序列的协同推荐算法,并结合权威用户、主题聚类等因素,使这种算法更接近人们个性化信息获取和学习知识的自然过程。 相似文献
11.
推荐系统正逐渐成为电子商务系统重要的竞争手段,而协同过滤技术是个性化推荐系统的研究热点。文章从协同过滤技术的基本原理出发,系统评述了协同过滤算法的分类、相似性计算法则、算法的性能评价等关键议题,最后指出了协同过滤技术存在的问题以及将来的研究方向。 相似文献
12.
为了提高电子商务推荐系统的精度,提出了基于关联集合的协同过滤推荐算法,该算法通过频繁项集生成算法生成一系列频繁项集,然后通过合并处理过滤掉与用户关联很小的一些噪音项目,从而使协同过滤算法更加有效。该算法在推荐精度上比传统的方法优越。 相似文献
13.
14.
15.
基于协同过滤技术的个性化课程推荐系统研究 总被引:1,自引:0,他引:1
本文通过对个性化推荐技术涵义的叙述,提出基于个性化推荐技术中的协同过滤技术构筑个性化课程推荐系统平台,并且对系统平台的设计与实现过程进行了阐述。 相似文献
16.
针对传统协同过滤技术在图书推荐中效率不高、数据极端稀疏性及主观性强等问题,提出一种基于云填充和蚁群聚类的协同过滤图书推荐方法,首先根据蚁群聚类算法得到用户群分类,然后在进行协同过滤前预先通过云模型填充用户——项目矩阵,以降低数据的稀疏性。实验结果表明,该算法在推荐精度上有明显的提高。 相似文献
17.
提出一种基于动态贝叶斯网络的协同过滤推荐方法。该方法实现了动态的推荐过程,使得推荐结果随用户喜好的改变而得到及时更新。并且使用DBN代替简单的相似模型来度量用户相似性,提高了最近邻推荐的准确性,解决了实时性推荐和数据空间的可扩展的问题。最后,给出基于DBN的协同过滤预测模型。通过对一个实例的研究验证了所提出的算法以及推荐模型的可行性。 相似文献
18.
基于客户聚类的商品推荐 总被引:3,自引:0,他引:3
目前在电子商务领域,较为有效的商品推荐方法有两类,分别是基于相关性产品推荐和协同过滤推荐.然而,单独使用这两种推荐都会造成推荐耗时长,推荐质量差等问题.提出了三种有效的客户聚类方法从而解决了协同过滤推荐的"稀疏性"问题,结合相关性产品和协同过滤推荐,设计出更为有效的推荐过程并以淘宝网为实例详细分析这种推荐的实用性. 相似文献
19.
研究协同过滤算法系统的设计与实现方法,完善网络推荐机制。在网络推荐的过程中,提出一种基于非线性邻域的协同过滤算法。在推荐的过程中,根据推荐系统的实际状态,获取推荐过程中的选择对象,计算不同推荐对象之间的相似性。根据推荐模板,选取合理的推荐群,根据非线性邻域度量方法,完成网络推荐,获取理想的推荐结果。实验结果表明,利用本文算法设计协同推荐算法系统,可以提高推荐的合理性,满足推荐系统的实际需求。 相似文献
20.
协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户—项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣模型及社交网络用户兴趣模型,再通过Logit Boost算法将2个兴趣模型融合得到准确的用户兴趣模型。Slope One算法填充用户—项目评分矩阵,解决用户—项目评分矩阵数据稀疏性问题;同时,通过用户兴趣模型计算目标用户的最近邻居用户,通过计算用户相似性,得到推荐集来提高协同过滤推荐算法的推荐准确度。 相似文献