基于上下文的分布式协同过滤推荐技术

针对传统协同过滤推荐技术应用于大规模动态数据集时难以兼顾准确度和效率的问题,提出了一种基于上下文的分布式协同过滤推荐技术,其中首先引入了推荐上下文的概念,并在此基础上通过充分考虑用户的即时兴趣以提高推荐的准确度,同时采用评分矩阵的分布式存储和计算以提高推荐的效率。实验结果表明,这里所提出的分布式协同过滤技术能够同时保证推荐的准确度和效率,使其在大规模动态数据集上的应用更具优势。     

改进协同过滤算法的图书推荐系统设计与实现

[目的/意义]针对当前图书馆图书推荐系统使用解决协同过滤(CF)方法存在的稀疏性问题,设计了一种改进的基于概率关键词的协同过滤方法.[方法/过程]通过图书流通记录和图书关键词属性数据分别建立流通矩阵和关键词矩阵.利用概率分布计算用户借到符合其关键词模型条件图书的概率,建立概率关键词模型,进一步生成图书推荐列表.[结果/...     

一种改进时间上下文关联的餐饮智能推荐模型

针对基于用户的协同过滤推荐模型对搜索兴趣最近邻居准确度不高等问题,提出了一种时间上下文关联的智能推荐模型。该模型考虑了现实情况中顾客之间兴趣的时间同步性与顾客之间的相似性成正比的关系,并在模型中引入了时间衰减因子来表示这种关系,从而提高搜索兴趣最近邻居的准确度。实验结果表明,改进的时间关联推荐模型的准确度比协同过滤推荐模型的准确度提高了25％。     

基于改进协同过滤模型的农资推荐方法研究

协同过滤推荐方法在传统个性化推荐领域被广泛使用。农资电子商务领域面向的专家/终端用户和批发/零售的混合模式更为复杂,需要对传统协同过滤方法加以改进。文章在传统协同过滤模型基础上,提出对用户兴趣建模动态调整,改进K最近邻算法,以满足农资电子商务领域的特殊需求。实验证明,在农资个性化推荐中使用基于改进协同过滤的方法,提高了推荐的质量和效率。     

基于协同过滤的数字图书馆推荐系统研究

在海量的数字图书馆中,准确迅速地找到符合自身需要的图书是需要解决的主要问题。通过阐述传统的协同过滤算法,分析其特点以及存在的不足,并基于此提出一种改进的协同过滤算法,建立了推荐系统模型并应用到数字图书馆中。     

一种基于订阅记录的图书协同过滤推荐方法研究

【目的/意义】通过订阅记录获取用户兴趣爱好,并将协同过滤推荐方法应用于图书个性化推荐,为读者提供优质服务。【方法/过程】以协同过滤算法为基础,根据用户订阅记录,分别计算用户相似性和订阅图书相似性。针对传统协同过滤方法在计算热门订阅相似度时存在的缺陷,引入对订阅权重的惩罚机制,减轻了热门订阅会和很多订阅相似的可能性,并根据协同过滤方法,产生相应推荐结果。【结果/结论】运用公开可获取的数据集进行的算法验证表明,基于订阅记录的协同过滤算法推荐准确度较高,对提升用户图书借阅体验相关研究与实践有一定的参考价值。     

一种基于用户聚类的协同过滤个性化图书推荐系统

综合协同过滤技术和聚类技术，提出了一种个性化图书推荐系统的具体实现方案。系统对图书馆数据库保留的大量用户图书借阅记录进行挖掘，向用户提供个性化图书推荐，为图书馆个性化服务的研究和实践提供了一种新的思路。     

一种自适应的协作过滤图书推荐系统研究

在知识大爆炸、信息高速发展的年代,如何快速地将用户感兴趣或是对用户有用的信息反馈给用户是本文要解决的问题.通过介绍传统的协作过滤方法,分析其特点以及存在的不足,并基于此提出一种自适应的协作过滤图书推荐系统,以期帮助用户快速地找到需要的书籍条目.     

基于协同过滤的论文推荐-传播平台模型研究

借鉴协同过滤个性化推荐思想,提出基于同行评价计算用户相似度的学术论文个性化推荐-传播平台模型:研究人员借助推荐-传播系统将自己或他人的学术论文推荐给与其有相似研究兴趣的网络邻居,从而可基于同行协同过滤将学术文献高效获取和研究成果主动推介结合起来。运用计算机多主体仿真方法,本文模拟并验证了推荐-传播平台的性能。     

融合用户画像与协同过滤的知识付费平台个性化推荐模型

[目的/意义]为提高知识付费平台用户感知服务质量,文章构建了融合用户画像与协同过滤的个性化推荐模型。[方法/过程]首先根据用户特性构建画像标签体系,利用TF-IDF、熵值法、k-means等方法确定用户特征标签;其次分别基于用户画像与改进后的协同过滤算法计算用户相似度,通过调和权重得到用户综合相似度;最后利用Top-N进行个性化推荐。[结果/讨论]通过知乎live付费用户信息进行验证,发现本文算法在推荐结果的准确率以及召回率上,相比其单一方法均有较大提升,且满意度高于知乎live平台。     

基于改进协同过滤的移动个性化推荐服务研究

基于协同过滤（CF）的个性化推荐技术,提出一种移动设备个性化软件推荐系统.该系统根据协同过滤的理论,首先通过软件类别兴趣相似度的计算,筛选出软件类别相似的用户候选集,过滤所有移动用户,减小产生的用户候选推荐集;然后对用户候选推荐集进行最近邻居的相似性计算以找出目标用户的邻居集合,并且对邻居集合中的邻居评分进行实时更新;最后根据兴趣相似度最大的K个邻居形成目标用户的Top-N推荐集.在第三方手机软件管理平台上通过监测推荐软件的下载或浏览量,验证系统的有效性和准确性.     

基于协同过滤技术的电子商务推荐系统初探

推荐系统正逐渐成为电子商务系统重要的竞争手段,而协同过滤技术是个性化推荐系统的研究热点。文章从协同过滤技术的基本原理出发,系统评述了协同过滤算法的分类、相似性计算法则、算法的性能评价等关键议题,最后指出了协同过滤技术存在的问题以及将来的研究方向。     

基于用户的协同过滤个性化商品推荐系统研究

论文首先探讨了电子商务推荐系统的定义和作用,然后分析了电子商务推荐系统的类型,最后在此基础上对基于用户的协同过滤推荐系统的实现进行了研究。     

基于协同过滤的电子商务个性化推荐算法分析

个性化推荐系统是电子商务运作过程中的重要组成部分,计算机网络信息化的不断发展和当今数据的爆炸式增长,使得人们很难在海量信息中找寻出适合自身需求的数据和信息,信息过载状况时有发生。阐述了我国电子商务个性化推荐系统的作用,分析了当前主流电子商务推荐技术,对基于协同过滤的电子商务个性推荐算法进行了研究。     

基于协同过滤技术的个性化课程推荐系统研究

本文通过对个性化推荐技术涵义的叙述,提出基于个性化推荐技术中的协同过滤技术构筑个性化课程推荐系统平台,并且对系统平台的设计与实现过程进行了阐述。     

浅析协同过滤算法及其改进分析

近年来,互联网和web技术的不断进步促进了电子商务推荐系统的快速发展,各种推荐系统的日益繁荣改变了传统的贸易行为,它的逐步建立和完善使传统的商务运作摆脱了已有规则的束缚,对相关的商业形态、交易形式、流通方式以及营销方式等都产生的巨大的影响。针对电子商务推荐系统面临的主要挑战,对电子商务推荐系统推荐算法设计以及推荐系统体系结构等关键技术进行了有益的探索和研究,对算法中影响推荐质量的稀疏性问题和影响用户满意度的推荐完整性问题进行深入分析,引入了基于聚类的最近邻查询技术对协同过滤算法进行改进,经分析新算法缓解了对特殊用户无法产生准确推荐的问题,能够带给用户各更准确的推荐。     

关联集合在协同过滤推荐算法中的应用研究

为了提高电子商务推荐系统的精度,提出了基于关联集合的协同过滤推荐算法,该算法通过频繁项集生成算法生成一系列频繁项集,然后通过合并处理过滤掉与用户关联很小的一些噪音项目,从而使协同过滤算法更加有效。该算法在推荐精度上比传统的方法优越。     

基于模糊推理的web客户需求协同过滤推荐算法

文章提出了基于模糊推理的协同过滤推荐算法,在该算法中,用模糊集合之间特征系数来代替传统算法的相似系数,用模糊推理来代替加权平均预测.最后文章通过实验证明该算法具有较好的精确度,为以后研究推荐算法提供了一种新的途径.     

基于动态贝叶斯网络的协同过滤推荐方法

提出一种基于动态贝叶斯网络的协同过滤推荐方法。该方法实现了动态的推荐过程,使得推荐结果随用户喜好的改变而得到及时更新。并且使用DBN代替简单的相似模型来度量用户相似性,提高了最近邻推荐的准确性,解决了实时性推荐和数据空间的可扩展的问题。最后,给出基于DBN的协同过滤预测模型。通过对一个实例的研究验证了所提出的算法以及推荐模型的可行性。     

基于模糊聚类和资源平滑的协同过滤推荐

在分析目前电子商务推荐系统及传统的协同过滤推荐存在问题的基础上,提出了一种新的电子商务推荐算法。该算法利用客户对商品的历史评分记录中所隐含的客户相关信息和商品相关信息来为客户推荐商品,并且将模糊聚类技术运用于商品最近邻居和客户最近邻居的查找。实验结果表明该算法能够提供更好的推荐,聚类数对推荐质量有较大的影响。