原文服务方: 物联网技术       
摘要:
当今时代,信息量呈爆炸式增长,推荐系统是处理海量信息的一种有效方式,也是一种无需用户提出明确需求就可帮助用户快速发现有用信息的工具.在推荐系统中,协同过滤算法有着重要应用.传统协同过滤算法通常使用余弦相似度公式进行兴趣相似度计算,但是很多情况下热门物品会影响到推荐结果,并不能较好地反映用户需求.文中对传统协同过滤算法余弦相似度计算公式提出改进方案,给出一个带有惩罚因子的余弦相似度修正公式,可以较好地抑制热门物品对用户实际相似度的影响,改善用户近邻集合的划分,从而实现更好的推荐效果.经实验测试,推荐系统的性能指标得到了一定的改善.
推荐文章
基于Spark的混合协同过滤算法改进与实现
集成学习
协同过滤
稀疏性
扩展性
Spark流式计算
增量模型
分类
基于评论与评分的协同过滤算法
协同过滤
数据稀疏性
评论分析
主题模型
用户偏好
基于贡献因子的协同过滤推荐算法
推荐算法
协同过滤
邻居选择
推荐能力
贡献因子
协同过滤算法的研究
推荐系统
协同过滤
基于用户的算法
基于物品的算法
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 基于惩罚因子的协同过滤算法的改进与研究
来源期刊 物联网技术 学科
关键词 推荐系统 协同过滤算法 余弦相似度 热门物品 惩罚因子 近邻集合
年,卷(期) 2019,(10) 所属期刊栏目 智能处理与应用
研究方向 页码范围 73-75
页数 3页 分类号 TP301
字数 语种 中文
DOI 10.16667/j.issn.2095-1302.2019.10.022
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 李涵 北京信息科技大学理学院 27 51 5.0 6.0
2 徐立民 北京信息科技大学理学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (164)
共引文献  (316)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(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(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(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(11)
  • 参考文献(0)
  • 二级参考文献(11)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(20)
  • 参考文献(0)
  • 二级参考文献(20)
2010(21)
  • 参考文献(0)
  • 二级参考文献(21)
2011(21)
  • 参考文献(0)
  • 二级参考文献(21)
2012(17)
  • 参考文献(0)
  • 二级参考文献(17)
2013(10)
  • 参考文献(1)
  • 二级参考文献(9)
2014(18)
  • 参考文献(1)
  • 二级参考文献(17)
2015(9)
  • 参考文献(3)
  • 二级参考文献(6)
2016(4)
  • 参考文献(2)
  • 二级参考文献(2)
2019(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)
研究主题发展历程
节点文献
推荐系统
协同过滤算法
余弦相似度
热门物品
惩罚因子
近邻集合
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
物联网技术
月刊
2095-1302
61-1483/TP
16开
2011-01-01
chi
出版文献量(篇)
5103
总下载数(次)
0
总被引数(次)
13151
论文1v1指导