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:
协同过滤推荐是目前应用最为广泛的个性化推荐方法,K最近邻分类方法应用于协同过滤推荐中用于寻找最近邻.文章通过实验来验证参数K取何值时,使得K最近邻算法的精度最高.
推荐文章
基于熵优化近邻选择的协同过滤推荐算法
协同过滤
近邻选择
相似性
巴氏系数
推荐权重
基于评分支持度的最近邻协同过滤推荐算法
协同过滤
最近邻居
评分支持度
相似度
用户属性加权活跃近邻的协同过滤算法
协同过滤
相似度
用户属性
最近邻居集
活跃近邻集
基于改进最近邻的协同过滤推荐算法
协同过滤
改进最近邻
粒子群优化算法
参数选择
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 K近邻协同过滤推荐算法中的最优近邻参数
来源期刊 计算机与数字工程 学科 工学
关键词 协同过滤 K-近邻算法 参数
年,卷(期) 2018,(8) 所属期刊栏目 信息融合
研究方向 页码范围 1525-1528,1619
页数 5页 分类号 TP301.6
字数 3452字 语种 中文
DOI 10.3969/j.issn.1672-9722.2018.08.009
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 李晓瑜 安康学院电子与信息工程学院 18 42 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (53)
共引文献  (562)
参考文献  (9)
节点文献
引证文献  (7)
同被引文献  (8)
二级引证文献  (1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(1)
  • 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(1)
  • 二级参考文献(1)
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)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(9)
  • 参考文献(0)
  • 二级参考文献(9)
2017(7)
  • 参考文献(0)
  • 二级参考文献(7)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(3)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(5)
  • 引证文献(5)
  • 二级引证文献(0)
2020(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
协同过滤
K-近邻算法
参数
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
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导