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:
大数据时代,如何让用户在海量信息中快速查询所需信息尤为重要.推荐系统可发现用户潜在需求,为用户提供个性化服务.以电影推荐系统为例,提出了一种改进的协同过滤算法,并在真实数据集上进行实验,结果表明系统可靠性明显提高.
推荐文章
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
基于用户引力的协同过滤推荐算法
推荐算法
协同过滤推荐
万有引力定律
社会标签
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
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 基于用户兴趣的协同过滤推荐算法
来源期刊 软件导刊 学科 工学
关键词 大数据 协同过滤 用户兴趣 数据挖掘
年,卷(期) 2016,(2) 所属期刊栏目 算法与语言
研究方向 页码范围 50-51
页数 2页 分类号 TP312
字数 1660字 语种 中文
DOI 10.11907/rjdk.1511272
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (86)
共引文献  (1101)
参考文献  (4)
节点文献
引证文献  (5)
同被引文献  (5)
二级引证文献  (3)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1963(1)
  • 参考文献(0)
  • 二级参考文献(1)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(7)
  • 参考文献(0)
  • 二级参考文献(7)
1998(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(7)
  • 参考文献(1)
  • 二级参考文献(6)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(11)
  • 参考文献(0)
  • 二级参考文献(11)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(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
大数据
协同过滤
用户兴趣
数据挖掘
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
总被引数(次)
30383
论文1v1指导