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:
协同过滤算法在电子商务网站推荐系统中的应用非常广泛,其通过分析大量用户的历史行为数据,挖掘用户的兴趣,向用户推荐合适的物品。然而,协同过滤算法存在数据稀疏性问题。针对该问题,提出一种基于用户特征和商品特征的组合协同过滤推荐算法。通过用户基本属性特征、物品分类属性特征以及用户的历史评分记录,计算用户的相似性和物品的相似性,获得近邻用户和相似物品;依据改进的基于物品协同过滤和基于用户协同过滤组合推荐算法,为项目进行评分。实验表明,该方法能降低预测结果的平均绝对误差,提高推荐精度。
推荐文章
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
基于用户历史行为的协同过滤推荐算法
数据挖掘
协同过滤
用户偏好
项目相似度
个性化推荐
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
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 基于用户特征和商品特征的组合协同过滤算法
来源期刊 软件导刊 学科
关键词 协同过滤 属性特征 数据稀疏性 平均绝对误差
年,卷(期) 2015,(3) 所属期刊栏目 算法与语言
研究方向 页码范围 41-43
页数 3页 分类号
字数 3463字 语种 中文
DOI 10.11907/rjdk.143881
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 张胜男 武汉大学测绘遥感信息工程国家重点实验室 3 15 1.0 3.0
2 孟庆庆 武汉大学测绘遥感信息工程国家重点实验室 1 15 1.0 1.0
3 卢楚雍 武汉大学测绘遥感信息工程国家重点实验室 3 16 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (62)
共引文献  (706)
参考文献  (5)
节点文献
引证文献  (15)
同被引文献  (28)
二级引证文献  (31)
1979(3)
  • 参考文献(1)
  • 二级参考文献(2)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(9)
  • 参考文献(0)
  • 二级参考文献(9)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(8)
  • 参考文献(0)
  • 二级参考文献(8)
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(16)
  • 参考文献(0)
  • 二级参考文献(16)
2008(10)
  • 参考文献(0)
  • 二级参考文献(10)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(4)
  • 引证文献(4)
  • 二级引证文献(0)
2017(9)
  • 引证文献(5)
  • 二级引证文献(4)
2018(13)
  • 引证文献(2)
  • 二级引证文献(11)
2019(14)
  • 引证文献(2)
  • 二级引证文献(12)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
协同过滤
属性特征
数据稀疏性
平均绝对误差
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
论文1v1指导