基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于数据挖掘的智能信息推荐日益成为一个重要的研究课题.针对现有智能信息推荐算法存在的不足,提出了一种基于用户模式聚类的智能信息推荐算法(IRUMC).该算法将相似的用户模式聚类到一起,生成用户聚类模式,然后将用户访问操作与用户聚类模式进行匹配,最后形成推荐集.它比较适合新用户、访问站点较少的用户和有新颖性信息需求的用户.实验结果表明,该算法是有效的.
推荐文章
基于用户兴趣模型聚类的协同过滤推荐算法
协同过滤
推荐系统
用户兴趣模型
推荐算法
结合用户聚类和评分偏好的推荐算法
协同过滤
降维
聚类
用户偏好
推荐系统
基于用户可信度聚类的协同过滤推荐模型
协同过滤
用户可信度
动态聚类
基于聚类系数的推荐算法
推荐系统
有向加权图
聚类系数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于用户模式聚类的智能信息推荐算法
来源期刊 计算机工程与设计 学科 工学
关键词 智能信息推荐 用户模式 数据挖掘 聚类 Web挖掘
年,卷(期) 2006,(13) 所属期刊栏目 基金项目论文
研究方向 页码范围 2360-2361,2374
页数 3页 分类号 TP311
字数 3142字 语种 中文
DOI 10.3969/j.issn.1000-7024.2006.13.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨武 重庆工学院计算机科学与工程学院 27 198 9.0 13.0
2 张建勋 重庆工学院计算机科学与工程学院 25 319 11.0 17.0
3 王越 重庆工学院计算机科学与工程学院 34 508 13.0 22.0
4 何波 重庆工学院计算机科学与工程学院 8 99 7.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (652)
参考文献  (5)
节点文献
引证文献  (13)
同被引文献  (20)
二级引证文献  (10)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(6)
  • 参考文献(0)
  • 二级参考文献(6)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(4)
  • 参考文献(2)
  • 二级参考文献(2)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(4)
  • 引证文献(2)
  • 二级引证文献(2)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(3)
  • 引证文献(2)
  • 二级引证文献(1)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
智能信息推荐
用户模式
数据挖掘
聚类
Web挖掘
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导