作者:
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:
协同过滤是迄今为止最成功的推荐系统,它可以产生高质量的推荐,但是其性能随着客户和产品数目的增加而下降.提出了一种基于特征表的协同过滤算法,该算法首先将原始数据划分成若干个特征集,然后通过建立特征表而避免顺序扫描.在真实数据集上的实验表明该算法对推荐系统的可伸缩性和推荐质量都有较大的提高.
推荐文章
基于用户特征和商品特征的组合协同过滤算法
协同过滤
属性特征
数据稀疏性
平均绝对误差
基于项目特征模型的协同过滤推荐算法
协同过滤推荐
冷启动
推荐系统
MAE
基于Hadoop的多特征协同过滤算法研究
协同过滤
Hadoop
灰色关联度
贝叶斯概率
协同过滤算法的研究
推荐系统
协同过滤
基于用户的算法
基于物品的算法
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 一种基于特征表的协同过滤算法
来源期刊 计算机工程与应用 学科 工学
关键词 特征表 协同过滤 推荐系统
年,卷(期) 2007,(6) 所属期刊栏目 数据库与信息处理
研究方向 页码范围 184-187
页数 4页 分类号 TP311.13
字数 4413字 语种 中文
DOI 10.3321/j.issn:1002-8331.2007.06.059
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 杨风召 南京财经大学电子商务系 13 182 6.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (22)
参考文献  (3)
节点文献
引证文献  (6)
同被引文献  (3)
二级引证文献  (6)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(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)
2007(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)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(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
特征表
协同过滤
推荐系统
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导