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:
在如今这个信息爆炸的时代,我们要面对"信息过载"这一难题;以个性化推荐技术为核心的推荐系统有效的解决这一问题,其中协同过滤算法是目前应用最广泛也是最成熟的个性化推荐技术.基于此,本文提出一种基于SVD与层次聚类中的BIRCH算法来实现协同过滤算法.该算法在MovieLens数据集上的实验数据表明该算法有效的提高了推荐的质量.
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
基于谱聚类与多因子融合的协同过滤推荐算法
协同过滤
谱聚类
Salton因子
时间衰减因子
用户偏好因子
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
基于密度的动态协同过滤图书推荐算法
协同过滤
个性化推荐
动态
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SVD与层次聚类的协同过滤推荐算法实现
来源期刊 数字技术与应用 学科 工学
关键词 个性化推荐 SVD BIRCH算法
年,卷(期) 2018,(1) 所属期刊栏目 算法分析
研究方向 页码范围 130-131
页数 2页 分类号 TP312
字数 2050字 语种 中文
DOI 10.3969/j.issn.1007-9416.2018.01.073
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 王忠 四川大学电气信息学院 124 989 16.0 26.0
2 徐泽兵 四川大学电气信息学院 1 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  (14)
共引文献  (55)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
个性化推荐
SVD
BIRCH算法
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
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导