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:
本文试图从应用效果的角度对这些算法做简单的划分和介绍,帮助有需要的读者针对不同领域、不同应用场景来挑选不同的算法,同时详细介绍了两种在实践中效果较好的推荐算法:矩阵分解类算法和链接分析类算法。
推荐文章
大数据个性化推荐分析
大数据
个性化推荐
兴趣爱好
推荐算法
协同过滤
混合推荐
基于个性化特征的协同过滤推荐算法
个性化特征
协同过滤推荐
评分模型
项目属性
个性化搜索引擎推荐算法研究
推荐系统
协同过滤
单值分解
相似性
一种基于稀疏矩阵划分的个性化推荐算法
个性化推荐
稀疏矩阵划分
协同过滤
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 个性化推荐算法的分类
来源期刊 程序员 学科 工学
关键词 个性化推荐算法 分类 链接分析 矩阵分解 应用
年,卷(期) 2013,(5) 所属期刊栏目
研究方向 页码范围 106-109
页数 4页 分类号 TP301.6
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2013(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
个性化推荐算法
分类
链接分析
矩阵分解
应用
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
程序员
月刊
1672-3252
11-5038/G2
16开
北京市朝阳区广顺北大街33号院1号楼福码
2-665
2000
chi
出版文献量(篇)
10184
总下载数(次)
35
总被引数(次)
6420
论文1v1指导