推荐精度相关论文
为获得更加理想的电子商务推荐结果，提出一种基于协同过滤的电子商务智能推荐方法。该方法收集电子商务用户相关信息，并对信息进行预......
针对网购行为中商品浏览量排名靠前而销量滞后的问题,在用户购买意愿力的基础上,提出一种增强评分矩阵协同过滤推荐算法.首先,利用......
互联网的快速发展给用户带来大量信息。随之而来的信息过载问题导致用户难以找到适合自己的信息，并且降低了信息查找效率。推荐系统......
随着互联网的普及和电子商务的蓬勃发展，大量的数据资源充斥在网络之中，人们不得不花费较长的时间选择自己喜欢的资源。个性化推荐系......
矩阵分解运用于推荐系统受到越来越多的关注，改进算法也层出不穷，这些算法都面临预测精度不足，收敛速度过慢和不适用于大数据量的推荐......
针对推荐算法数据稀疏及聚类中心点敏感问题,提出了一种基于用户偏好和麻雀搜索聚类的协同过滤推荐算法。首先使用评分偏好模型对......
针对传统推荐算法在进行评分预测时推荐精度低这一问题,提出了融合时间偏差信息的邻域型因子分解推荐算法（简称NFDRA）。它以因子分解......
针对信息时代背景下出现“信息过载”现象，而用户难以获取所需要信息的问题。在传统基于用户的协同过滤算法基础上，文中考虑了用户社......
针对实时推荐过程中实际数据的稀疏性,满足条件的项目或用户较少,导致推荐精度较低的问题,提出一种采用抽样近邻的协同过滤算法.该......
个性推荐技术,可针对海量的数据实现快速准确的推荐。目前,协同过滤算法作为主流推荐技术,却存在着冷启动、数据稀疏和可扩展性等......
摘 要：针对协同过滤算法中扩展性问题，文章将用户兴趣看成多个兴趣的集合，然后提出一种基于局部兴趣的协同过滤算法，算法通过改善候选......
随着数字化学习资源规模急剧扩张,"知识过载"和"学习迷航"等问题限制了在线学习资源推荐的性能,学习者从海量的学习资源中选择合适......
推荐系统根据用户的历史行为分析用户的兴趣偏好或者需求,自动地为用户提供满足其需求或者符合其偏好的产品或者服务,已经成为解决......
针对当前慕课资源协同过滤推荐算法存在推荐误差大、无法实现在线推荐的难题,为了提高慕课资源协同过滤推荐精度,设计了基于云平台......
随着互联网越来越普及到人们的生活,人们的生活已经与互联网息息相关、不可分割。如今人们获取信息的主要方式便是通过互联网,互联......
针对传统项目协同过滤算法选择最近邻时需要计算待评分项目与所有其它项目之间的相似度而导致算法效率和推荐精度低的缺点,提出一......
针对传统协同过滤算法普遍存在的稀疏性和扩展性问题,提出一种基于模糊聚类的协同过滤算法。利用模糊聚类的方法对项目进行聚类,通......
协同过滤推荐是当前最成功的个性化推荐技术之一,但是传统的协同过滤推荐算法普遍存在推荐性能低和抗攻击能力弱的问题.针对以上问......
协同过滤算法应用于个性化推荐系统中取得了巨大成功,它是通过用户项目评分数据,以用户之间或者项目之间相互协作的方式来产生推荐......
个性化推荐技术在电子商务系统中得到了广泛应用．但现有的个性化推荐模型不能反映出商品的某些特殊属性对用户购买行为的影响及用户......
传统的基于项目相似度的协同过滤算法在处理大数据集时会出现延迟过长及效率不高等问题。本文基于Hadoop分布式框架及Spark分布式......
针对移动互联网移动端的推荐系统推荐满意度和精度较低问题,在分析应用信息系统推荐方法的基础上,提出了一种基于用户相似度和主题......
针对目前协同过滤推荐算法存在的冷启动、数据稀疏、可扩展性不高以及未考虑到不同社区簇之间可能存在相关性导致的推荐准确度低的......
伴随着web2.0时代的到来，网络交互性日益提高，现如今用户不再仅仅是被动的接收信息，而是越来越多的主动参与到互联网内容的编写当中。......
文章首先介绍现存的基于用户的协同过滤推荐算法,分析算法存在的问题。然后在此基础上提出一种新的算法,新算法考察不同用户对相同......
电子商务是国际市场出现和发展起来的新兴贸易方式。新的商务模式在为企业带来新效益的同时也推出了新的挑战,如何吸引客户、提高......
个性化推荐技术是解决信息化时代中信息过载问题的有效工具，它在作为一种独立工具帮助人们解决难题的同时，也可以与现有的一些技术如......
在机器学习领域,Adaboost算法的实用性和有效性早已被证明.然而该算法原本是为分类问题设计,因而在推荐系统领域研究问题中无法直......
期刊
为了缓解用户项目评分矩阵数据的稀疏性，在传统的协同过滤项目评分矩阵的基础上，对项目的特征进行分析，引入项目特征矩阵，然后结合余弦......
结合上下文信息和支持向量机(SVM),提出了一种基于隐含上下文支持向量机的服务推荐方法。首先,根据用户所处的不同上下文信息对用......
