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:
随着互联网信息的急剧膨胀,个性化推荐技术应运而生,其中基于协同过滤的推荐技术被广泛使用,但其未解决数据稀疏问题,未提供准确的推荐服务。该文结合用户兴趣度思想,提出了基于用户兴趣度的协同过滤算法。通过实验分析,证明该算法能够提供准确的推荐服务。
推荐文章
基于改进协同过滤算法的用户页面兴趣度预测研究
大数据
奇异值分解
用户兴趣度
协作过滤算法
数据稀疏性
基于用户多属性与兴趣的协同过滤算法
协同过滤
冷启动
数据稀疏性
用户多属性
隐性标签
基于用户兴趣度和特征的优化协同过滤推荐
用户兴趣度
用户特征
贝叶斯算法
协同过滤
用户相似度
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
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 基于用户兴趣度的协同过滤算法
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 个性化推荐 协同过滤 用户兴趣度
年,卷(期) 2012,(7) 所属期刊栏目
研究方向 页码范围 4709-4711
页数 3页 分类号 TP301
字数 语种
DOI
五维指标
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  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(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)
研究主题发展历程
节点文献
个性化推荐
协同过滤
用户兴趣度
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
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导