论文部分内容阅读
针对个性化商品推荐方法中普遍存在的推荐准确率不高的问题，提出一种集成用户信任度和品牌认可度的商品推荐方法（TBCRMI）。该方法通过分析用户的购买行为和评价行为,计算得到用户对商品品牌的认可度和用户自身的活跃度；然后利用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对用户进行聚类，并在此基础上融合用户信任关系，采用Top-K方法得到近邻关系；最后，依据近邻关系生成目标用户商品推荐列表。为了验证算法的有效性，使用Am