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:
协同过滤算法目前是电子商务系统中最常见的推荐算法之一.简单来说,协同过滤其实就是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息,通过个人对不同商品的感兴趣程度(如评分)为量化标准,以达到过滤的目的进而帮助别人筛选信息.此时对个人的回应不一定局限于特别感兴趣的,特别不感兴趣信息的纪录也相当重要,这有利于提高用户体验值.
推荐文章
基于差分演化的K-均值聚类算法
聚类
差分演化算法
K-均值
基于NKL和K-means聚类的协同过滤推荐算法
协同过滤
推荐算法
矩阵稀疏
K-means
相似性度量
基于层次的K-均值聚类
聚类
代价函数
层次
K-均值聚类
基于混合蛙跳联合聚类的协同过滤算法
推荐系统
协同过滤
联合聚类
数据填充
混合蛙跳
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k-均值聚类的协同过滤算法
来源期刊 福建电脑 学科
关键词 协同过滤 k-均值聚类 推荐
年,卷(期) 2017,(12) 所属期刊栏目 基金项目论文
研究方向 页码范围 6-8
页数 3页 分类号
字数 3204字 语种 中文
DOI 10.16707/j.cnki.fjpc.2017.12.003
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 何丰 嘉兴学院数理与信息工程学院 10 11 2.0 2.0
2 赵小龙 嘉兴学院数理与信息工程学院 3 3 1.0 1.0
3 林如意 嘉兴学院数理与信息工程学院 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (113)
共引文献  (16)
参考文献  (13)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(15)
  • 参考文献(0)
  • 二级参考文献(15)
2014(14)
  • 参考文献(0)
  • 二级参考文献(14)
2015(19)
  • 参考文献(0)
  • 二级参考文献(19)
2016(29)
  • 参考文献(0)
  • 二级参考文献(29)
2017(14)
  • 参考文献(13)
  • 二级参考文献(1)
2018(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(14)
  • 参考文献(13)
  • 二级参考文献(1)
  • 引证文献(0)
  • 二级引证文献(0)
2018(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
协同过滤
k-均值聚类
推荐
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
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
论文1v1指导