互联网 qkzz.net
全刊杂志网:首页 > 大学学报 > 文章正文
刊社推荐

利用云模型改进基于项目的协同过滤推荐算法


□ 张新香 刘腾红

  [摘要]针对基于项目的协同过滤推荐算法在数据极度稀疏的情况下相似性度量不准、推荐质量低下的不足,借鉴基于云模型中的云相似性度量方法来实现基于知识层面的项目相似性度量,改进传统的基于项目的协同过滤推荐算法,并利用公开的实验数据进行验证比较,结果表明,即使在数据极度稀疏的情况下,改进后的算法仍然能取得较好的推荐效果。
  [关键词]协同过滤推荐算法云模型相似度
  [分类号]G250.76
  1 引言
  
  随着互联网和电子商务的发展,推荐系统逐渐成为电子商务IT技术的一个重要研究内容,得到越来越多研究者的关注。目前,几乎所有的大型电子商务网站,如Amazon、eBay、阿里巴巴、当当网上书店等都不同程度地使用了各种形式的推荐系统。
  为了保证推荐系统对实时性条件产生相对精确的推荐,研究者提出了各种不同的推荐算法,如协同过滤推荐系统、聚类技术、关联规则技术、Horting图技术等。其中最成功的,也是在实际中得到最广泛应用的是协同过滤推荐及其各种算法的改进。


  注:请下载安装 Acrobat Reader 软件后点击下面的链接阅读

阅读PDF原文: 1 2 3 4 5 




分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文
关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | EMS快递查询
全刊杂志赏析网 2016