论文部分内容阅读
采用对项目属性和用户行为的分析，为用户提供了一个有效的推荐资源解决方案（通过用户的兴趣偏好和项目的属性进行推荐）。对于用户而言，根据对用户注册时的显示属性和用户的历史行为记录（对项目资源的浏览、观看、下载、分享等操作）的分析，以及对用户历史行为的量化将用户划分为不同的近邻；对于项目而言，对项目也进行相似的操作即通过项目本身具有的属性和用户对项目的评价来将项目聚类分成不同的资源类型。以此对协同过滤算法进行改进，来改善推荐结果单一、评分矩阵数据不多、推荐准确性不高以及对新用户和新项目存在的冷启动问题。实现推荐