原文服务方: 计算机应用研究       
摘要:
为解决协同过滤推荐算法中的数据量过大和数据稀疏性的问题,提出了基于客户因子分析的协同推荐算法.该算法利用因子分析将客户向量进行降维处理,得到几个具有代表性的客户因子,然后用这些客户因子对目标客户进行回归分析,进而预测目标客户对待评项目的评分值.最后通过实验证明了该算法的有效性,为以后研究推荐算法提供了一种新的途径.
推荐文章
基于贡献因子的协同过滤推荐算法
推荐算法
协同过滤
邻居选择
推荐能力
贡献因子
基于谱聚类与多因子融合的协同过滤推荐算法
协同过滤
谱聚类
Salton因子
时间衰减因子
用户偏好因子
基于协同推荐的web日志预处理过程
web日志
用户识别
用户兴趣评估
基于用户特征的分步协同推荐算法
协同过滤
用户特征
聚类算法
分步协同过滤框架
模型
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Web客户因子分析的协同推荐算法
来源期刊 计算机应用研究 学科
关键词 电子商务 推荐系统 协同过滤 客户 因子分析
年,卷(期) 2011,(7) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2525-2527,2530
页数 分类号 TP301
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2011.07.035
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 赵宏霞 辽宁工程技术大学营销管理学院 53 352 10.0 15.0
2 杨皎平 辽宁工程技术大学工商管理学院 45 371 10.0 16.0
3 王新海 辽宁工程技术大学工商管理学院 34 249 9.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (146)
参考文献  (6)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(11)
  • 参考文献(0)
  • 二级参考文献(11)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电子商务
推荐系统
协同过滤
客户
因子分析
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导