注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于混合用户模型的协同过滤推荐算法研究

  2. 协同过滤算法 [31] 从问世到现在已有二十多年的历史，最初的研究主要集中在怎样进行信 息的过滤，也称为社会信息过滤，其主要原理是利用“口碑”来进行推荐，根据用户对服务的 偏好信息，得到用户之间的相似度，根据这些相似度所体现出来的相关性来进行推荐。近十 年的研究主要集中在解决数据稀疏问题，可扩展性问题，充分利用用户信息问题，冷启动问 题，伸缩性问题等等

  3. 所属分类：专业指导

    • 发布日期：2013-11-25
    • 文件大小：761856
    • 提供者：ricky_lxl

  1. 基于用户项目喜好的推荐算法原理论文

  2. 推荐系统原理论文，一种改进的基于用户项目喜好的相似度度量方法

  3. 所属分类：机器学习

    • 发布日期：2018-04-04
    • 文件大小：231424
    • 提供者：starbaby01

  1. 基于MATLAB的协同过滤影视推荐以及点播

  2. 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，如果您有更好的函数方法都可以，只是一定要让我知道其中的使用方法以及代码运作，因为事关我毕业的答辩。 关于数据源方面，我没有从网上的平台上扒到可以用的数据，可以的话希望您能自拟，最后希望可以向我解释一下数据的格式以及如何输入。 关于输出，我希望得到的页面是对于数据中不同用户的影视推荐以及数据中所有影视点

  3. 所属分类：其它

    • 发布日期：2018-10-19
    • 文件大小：2097152
    • 提供者：programmer0000

  1. 基于增量更新的协同过滤推荐算法

  2. 基于增量更新的协同过滤推荐算法，方芳，严克文，为解决传统协同过滤推荐算法相似度矩阵不能局部更新的问题，提出了一种基于增量更新的协同过滤推荐算法。算法首先根据用户评分数

  3. 所属分类：其它

    • 发布日期：2020-02-22
    • 文件大小：447488
    • 提供者：weixin_38743084

  1. 一种基于用户兴趣联合相似度的协同过滤算法

  2. 在推荐系统中数据稀疏性和推荐时效性是经常面对的问题,为了更好地反映不同用户在不同阶段的邻域相关性,从而能够挖掘出评分项目中所隐含的个性化信息,在基于用户的协同过滤算法预测评分过程中将联合相似度与用户兴趣的时序信息相结合,首先融合覆盖评分信息的用户间的协同相似度、偏好相似度和轨迹相似度等3种相似度,通过参数调节不同度量的权重及相似度阈值形成联合相似度以获取用户有效的邻居数目;其次在联合相似度计算过程中引入反映时间权重的Logistic函数以提高推荐的时效性;最后进行实验,结果表明,所提出的方法与经

  3. 所属分类：其它

    • 发布日期：2020-06-10
    • 文件大小：1048576
    • 提供者：weixin_38551187

  1. 融合句义结构模型的短文本推荐算法研究.pdf

  2. 传统的基于协同过滤的推荐系统需要收集用户兴趣喜好等相关数据，在一定程度上涉及了用户的个人隐私，当前信息安全和隐私保护是数据挖掘领域的热点之一，为了有效避免用户信息泄露带来的安全问题，提出一种融合句义结构模型的短文本推荐方法。该方法以句子为研究对象，首先利用LDA主题模型构建文章-主题矩阵，划分子主题，然后利用句义结构模型抽取句子的语义格得到句子的语义特征，基于LDA主题模型使用句义结构计算句子两两之间的语义相似度，构建相似度矩阵，融合句子的语义特征和关联特征综合加权得到句子权值，以文章内最高单句

  3. 所属分类：互联网

    • 发布日期：2020-08-27
    • 文件大小：5242880
    • 提供者：weixin_38747087

  1. 融合时间序列的POI动态推荐算法.pdf

  2. 兴趣点( POI) 的签到数据体现了用户的偏好和兴趣点的分布特征，这在兴趣点推荐领域有极为重要的价值． 为了缓解 数据稀疏造成的推荐不准确等问题，本文提出了融合时间序列的 POI 动态推荐算法，结合用户与用户之间的关系、兴趣点位置 以及流行度信息等． 首先划分时间序列，得到时间因子的相似度;其次时间序列融入到基于用户的协同过滤算法，再根据时间的 连续性特征得到基于用户的预测评分，然后将地理影响因子与基于时间的流行度信息结合，预测用户的评分，进而与基于用户 的评分加权融合;最后，在 Gowalla

  3. 所属分类：机器学习

    • 发布日期：2020-08-31
    • 文件大小：407552
    • 提供者：weixin_44248112

  1. 基于KL散度与JS散度相似度融合推荐算法.pdf

  2. 针对目前大多数推荐算法在计算项目或用户之间的相似度时只依赖于用户之间的共同评分 项，由于用户 － 项目签到矩阵的高稀疏性，导致推荐结果不准确问题，提出一种改进的协同过滤推荐 算法． 该算法基于每个项目基分值概率分布使用 KL 散度计算项目之间的显性反馈相似度，再融合隐 狄利克雷主题分配模型，得到每个项目属于 T 个主题的概率分布，使用 JS 散度计算出项目之间隐性 反馈相似度，将两个相似度融合后融入到传统基于项目的协同过滤算法中并应用到兴趣点推荐，缓 解数据稀疏性问题的同时提高了推荐质量． 在点

  3. 所属分类：机器学习

    • 发布日期：2020-08-31
    • 文件大小：2097152
    • 提供者：weixin_44248112

  1. 基于用户相似度迁移的协同过滤推荐算法

  2. 数据稀疏性问题是传统的协同过滤算法主要的瓶颈之一。迁移学习利用辅助领域的用户评分信息，有效地缓解了目标领域的稀疏性问题。现有的迁移学习推荐算法中，普遍存在领域间的用户需要一致、模型平衡参数较多等限制。针对这些局限性，提出了一种用户相似度迁移的模型，利用辅助领域的用户相似度帮助目标领域用户相似度的学习。此外，通过一种用户特征子空间的距离来度量模型的平衡参数，使模型更加具有智能性。实验结果表明，该模型与其他协同过滤算法相比较能够更有效地缓解数据稀疏性问题

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：542720
    • 提供者：weixin_38706603

  1. 基于用户的协同过滤推荐算法实现

  2. 基于用户的协同过滤推荐算法实现 movielens数据集 输出评分矩阵 相似度 最近邻 推荐电影 预测评分 mae等测评指标

  3. 所属分类：Java

    • 发布日期：2020-10-26
    • 文件大小：20971520
    • 提供者：u011291472

  1. 基于用户的协同过滤推荐算法原理、过程、代码实现 基于用户项目评分的协同过滤推荐算法程序 余弦、修正余弦、person皮尔森算法、欧几里得距离公式等相似度算法 movielens电影评分数据集

  2. 本文主要介绍基于用户的协同过滤推荐算法的推荐原理、推荐过程、代码实现。 一、基于用户的协同过滤推荐算法推荐原理 基于用户的协同过滤推荐算法是协同过滤推荐算法中最简单、最传统的推荐算法，是根据用户对项目的某一种操作行为，为目标用户找到操作行为相同或者相似的用户，这些操作行为相同或者相似的用户称之为目标用户的近邻用户，然后在这些近邻用户中找出目标用户没有操作行为同时近邻用户同时有操作行为的项目，最后将这些项目推荐给目标用户，作为目标用户感兴趣的项目。 二、基于用户的协同过滤推荐算法推荐过程 基于用户

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：51200
    • 提供者：weixin_38733414

  1. 基于项目的协同过滤推荐算法原理、过程、代码实现 基于项目评分的协同过滤推荐算法程序 余弦、修正余弦、person皮尔森算法、欧几里得距离公式等相似度算法 movielens电影评分数据集

  2. 本文主要介绍基于项目的协同过滤推荐算法的推荐原理、推荐过程、代码实现。 一、基于项目的协同过滤推荐算法推荐原理 基于项目的协同过滤推荐算法也是推荐算法中最基础、最简单、很重要的算法，主要是根据用户对项目的某一种操作行为，构成项目-用户操作行为矩阵，根据操作行为矩阵计算项目之间的相似度，最终为目标用户推荐目标用户有操作行为的预测评分高的项目，作为目标用户感兴趣的项目。 二、基于项目的协同过滤推荐算法推荐过程 基于项目的协同过滤推荐算法推荐过程可分为三个步骤：构建项目-用户操作行为矩阵、计算项目之间

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：49152
    • 提供者：weixin_38588854

  1. product-recommendation-system:基于用户的协同过滤算法实现的商品推荐系统https-源码

  2. 商品推荐系统（产品推荐系统） 项目介绍 商品推荐是针对用户面对海量的商品信息而不知从何下手的一种解决方案，它可以根据用户的喜好，年龄，点击量，购买量以及各种购买行为来为用户推荐合适的商品。在本项目中采用的是基于用户的协同过滤的推荐算法来实现商品的推荐并在前台页面进行展示，我将使用余弦相似度的度量方法来计算用户与用户之间的相似性，最终将相似度较高级的用户浏览的商品推荐给用户。 项目目标 商品推荐：根据不同用户之间的相似性来推荐给用户合适的商品 一级类目管理：管理一级类目的相关功能 二级类目管理：管

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：3145728
    • 提供者：weixin_42164702

  1. 一种基于优化用户相似度的改进协同推荐算法

  2. 在众多的个性化推荐技术中，协同过滤推荐技术是电子商务推荐系统中应用最成功的推荐技术之一。传统的协同推荐过滤算法存在数据稀疏性，冷启动以及推荐的精确和实时性等问题，对于这些存在的问题，大量的国内外学者提出了多种解决方案，并在一定程度上获得了相对理想的效果。而协同过滤算法还在存在于计算用户相似度时用户之间在项目集合内对所有项目的评分尺度差异被忽略的问题，尽管目前提出的修正的余弦相似度算法和皮尔逊相似度算法在一定程度上该问题有改善，但是用户之间对项目的单条评分尺度差异问题依旧存在，当两个用户对一个共同

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：524288
    • 提供者：weixin_38745891

  1. 基于用户相似度的协同过滤推荐算法

  2. 协同过滤推荐算法通过研究用户的喜好，实现从海量数据资源中为用户推荐其感兴趣的内容，在电子商务中得到了广泛的应用。然而，当此类算法应用到社交网络时，传统的评价指标与相似度计算的重点发生了变化，从而出现推荐算法效率偏低，推荐准确度下降问题，导致社交网络中用户交友推荐满意度偏低。针对这一问题，引入用户相似度概念，定义社交网络中属性相似度，相似度构成与计算方法，提出一种改进的协同过滤推荐算法，并给出推荐质量与用户满意度评价方法。实验结果表明：改进算法能有效改善社交网络中的推荐准确性并提高推荐效率，全面提

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：945152
    • 提供者：weixin_38514872

  1. 基于信任和项目偏好的协调过滤算法

  2. 针对传统协同过滤算法不能深度挖掘用户关系，以及无法对新项目进行用户推荐的问题，提出了基于信任和用户偏好的协同过滤( TIPCF) 算法。首先，通过分析用户评分判断用户的可信度并量化用户间的信任程度，挖掘用户潜在的信任关系; 其次，考虑到用户之间对于不同目标项目偏好程度的差异会对用户相似性产生影响，在传统用户相似性算法上添加用户偏好度改进相似性算法; 然后，通过结合用户信任度和改进的相似度，使得最近邻的选取更加准确; 最后，根据用户对项目属性的偏好对新项目进行推荐。Movielens 数据集实验结

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：299008
    • 提供者：weixin_38686041

  1. 基于归一化方法的协同过滤推荐算法

  2. ：针对传统的协同过滤推荐算法没有考虑用户向量维度以及评价值差异的问题，提出了一种基于归一化方法的协同过滤推荐算法。算法在计算用户或项目相似度之前首先将用户对每一项目的评分值归一化到一个统一的值域范围，然后再计算用户向量空间的相似性并进行预测推荐。实验结果显示该算法能够准确地找到相似的邻居用户或项目，预测及推荐测性能有较大提高。

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：1048576
    • 提供者：weixin_38696590

  1. 基于用户相似度的协同过滤推荐算法

  2. 协同过滤推荐算法通过研究用户的喜好，实现从海量数据资源中为用户推荐其感兴趣的内容，在电子商务中得到了广泛的应用。然而，当此类算法应用到社交网络时，传统的评价指标与相似度计算的重点发生了变化，从而出现推荐算法效率偏低，推荐准确度下降问题，导致社交网络中用户交友推荐满意度偏低。针对这一问题，引入用户相似度概念，定义社交网络中属性相似度，相似度构成与计算方法，提出一种改进的协同过滤推荐算法，并给出推荐质量与用户满意度评价方法。实验结果表明：改进算法能有效改善社交网络中的推荐准确性并提高推荐效率，全面提

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：955392
    • 提供者：weixin_38745925

  1. 基于一跳信任模型的协同过滤推荐算法

  2. 基于社会信任网络的协同过滤推荐算法存在节点之间多下一跳带来的复杂路径选择和信任弱传递问题。针对这2个问题，给出基于项目的一跳信任模型，该模型通过用户对项目信任度的计算，定义用户的直接和间接社会信任属性，然后一步跳转计算用户之间的直接和间接信任距离，进而计算用户之间的信任度。基于此模型设计推荐算法，同时分析了信任度与传统相似度的理论关系并二维拟合。仿真实验表明，该算法提高了推荐准确度(约0.02 MAE)，降低了训练时间(约50%)。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38744207

  1. 基于用户相似度的协同过滤推荐算法

  2. 基于用户相似度的协同过滤推荐算法

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：626688
    • 提供者：weixin_38713717
« 12 3 »