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. 相似度算法

  2. a=[01,02,04,06],b=[09.08,04,07].计算a,b的相似度。用户门户网站推荐,根据个人行为推荐。

  3. 所属分类：Java

    • 发布日期：2018-06-12
    • 文件大小：813
    • 提供者：qq_22094297

  1. 基于用户多种关联信息和项目聚类的推荐算法

  2. 基于用户背景信息的推荐算法中仅通过降低矩阵稀疏性来预测用户评分,造成算法的推荐准确率偏低。为解决上述问题,提出一种基于用户多种关联信息和项目聚类的推荐算法。首先通过加入用户与项目间的关联信息改进相似度计算方法来更加准确计算获取相似用户,将最相似的前K个用户作为目标用户的最近邻;然后根据目标用户最近邻对项目的评分预测目标用户未评分项目的预评分,并把预评分填充到用户项目评分矩阵;最后通过协同过滤算法得到最终预评分,在此基础上结合项目聚类产生推荐项目列表。通过MovieLens数据集上的实验结果表明,

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：1048576
    • 提供者：weixin_38744557

  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. 融合调和用户熵权重和矩阵分解的推荐算法

  2. 针对传统的协同过滤算法在近邻选择环节中没有考虑评分矩阵中的评分是否准确和邻居用户对目标用户真实的推荐贡献能力,导致了近邻选择的不准确的问题,提出了一种融合调和用户熵权重和矩阵分解的推荐算法。算法首先利用时间间隔权重对评分数据进行处理,得到更加贴合实际的评分矩阵,然后引入调和的用户熵权重来计算用户间的相似度,使目标用户能够选取到更准确的近邻.最后将模型与矩阵奇异值分解模型相融合,进一步提高了算法的性能.实验结果表明提出的算法与一些传统算法相比能够得到更客观的评分矩阵,并且可以获取到更准确的近邻集合

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：889856
    • 提供者：weixin_38727928

  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. Java 推荐系统 字符串 余弦相似度 算法

  2. Java 实现推荐系统 两个字符串 余弦相似度 算法。

  3. 所属分类：互联网

    • 发布日期：2020-07-07
    • 文件大小：3072
    • 提供者：shuqianzhi

  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. 相似度推荐算法

  2. 相似度推荐算法

  3. 所属分类：Java

    • 发布日期：2016-12-20
    • 文件大小：4096
    • 提供者：qq_35639030

  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. 基于用户信任度和社会相似度的协作过滤算法

  2. 个性化推荐算法是解决社交网络中信息过载问题的一种有效方法，已成为社交网络中的研究热点。协作过滤算法是被广泛应用的个性化推荐算法，但由于未考虑社交网络的一些重要社交信息及数据稀疏问题，故其在解决社交网络的推荐问题时推荐效果不佳。为此，提出一个基于用户信任度和社会相似度的协作过滤算法。首先根据用户-项目矩阵计算用户相似度，然后通过社交网络计算用户信任度和社会相似度并将三者融合，最后根据融合后的值形成最近邻集，并据此产生推荐结果。经实验分析，文中提出的算法较其他算法在解决社交网络的推荐问题时有更高的推

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：194560
    • 提供者：weixin_38648800

  1. 一种改进的缺失数据协同过滤推荐算法

  2. 协同过滤推荐算法是推荐系统研究的热点，近年来，在亚马逊、淘宝等商业系统中获得应用。在实际应用过程中，协同过滤推荐面临数据稀疏和准确性低的问题。作为推荐基础的用户产品（项目）矩阵通常非常稀疏（存在大量缺失数据），从而导致推荐结果不准确。文章试图在缺失数据情况下提高协同过滤推荐的准确性，聚焦以下两个方面：（1）用户相似度、产品（项目）相似度计算；（2）缺失数据预测。首先，用增强的皮尔森相关系数算法，通过增加参数，对相似度进行修正，提高用户、产品（项目）相似度计算的准确率。接着，提出一种同时考虑了用

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：126976
    • 提供者：weixin_38719890

  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. 基于非对称加权相似度的协同过滤推荐算法

  2. 基于非对称加权相似度的协同过滤推荐算法

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：766976
    • 提供者：weixin_38628647

  1. 融合项目标签信息面向排序的社会化推荐算法

  2. 近年来,推荐系统越来越受到人们的关注,按照应用场景主要分为评分预测和Top-K推荐.考虑到传统评分推荐系统和Top-K排序推荐系统只考虑用户和项目的二元评分信息,具有一定的局限性,因此扩展了一种基于列表排序学习的矩阵分解方法.一方面,充分考虑用户之间关注关系.首先通过用户之间的关注关系计算用户之间的信任度,接着通过用户之间的信任度在原始模型的损失函数中添加用户社交约束项,使相互信任的用户偏好向量尽可能接近.另一方面,计算项目所拥有标签的权重,并以此计算项目之间的标签相似度,再将项目的标签约束项添

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_38723373

  1. RS_APP:推荐系统在不同场景下的应用-源码

  2. RS_APP 一个基于豆瓣评论数据的电影推荐系统应用实例 场景梳理 首页Feed流个性化推荐 相关用户推荐 下一个电影推荐 物品Push用户 基于标签相似度推荐 算法使用 FM嵌入解决评分预测问题 DeepWalk嵌入解决用户序列数据的推荐 基于内容的解决电影标签推荐

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：857088
    • 提供者：weixin_42168902
« 12 3 4 5 6 »