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:
传统推荐系统中存在用户评分数据高维稀疏、分布不均匀和传统用户相似度计算准确性低等问题,本文提出一种基于改进局部敏感哈希的协同过滤算法.首先利用改进局部敏感哈希算法对用户评分数据进行降维处理并构建索引,并使用相似度修正系数对用户相似度计算做出改进;然后利用索引敏捷切确地计算目标对象的近邻用户集合;之后选择近邻用户聚集的高相似度用户,使用加权算法对目标对象未评分项目进行评定预估.实验结果表明,对于非均匀用户评分数据的高维稀疏问题,该算法不仅能明显缩短近邻用户检索时间,且能有效提高推荐精度.
推荐文章
基于精确欧氏局部敏感哈希的改进协同过滤推荐算法
精确欧氏局部敏感哈希
相似度
排序
协同过滤
推荐系统
基于改进MPLSH的协同过滤推荐算法
协同过滤
多探寻
局部敏感哈希
项目相似度
推荐算法
基于组合优化理论的协同过滤推荐算法
局部
组合优化理论
协同过滤
推荐算法
稀疏问题
评分精度
基于评论挖掘的改进的协同过滤推荐算法
评论
协同过滤
相似度
推荐算法
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 基于改进局部敏感哈希的协同过滤推荐算法
来源期刊 软件 学科
关键词 推荐系统 协同过滤 局部敏感哈希算法 相似性度量 近似近邻检索
年,卷(期) 2021,(5) 所属期刊栏目 设计研究与应用
研究方向 页码范围 151-156
页数 6页 分类号 TP391.3
字数 语种 中文
DOI 10.3969/j.issn.1003-6970.2021.05.047
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (107)
共引文献  (499)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(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)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(16)
  • 参考文献(0)
  • 二级参考文献(16)
2011(9)
  • 参考文献(0)
  • 二级参考文献(9)
2012(13)
  • 参考文献(1)
  • 二级参考文献(12)
2013(12)
  • 参考文献(1)
  • 二级参考文献(11)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(10)
  • 参考文献(2)
  • 二级参考文献(8)
2016(10)
  • 参考文献(0)
  • 二级参考文献(10)
2017(4)
  • 参考文献(1)
  • 二级参考文献(3)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2021(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
局部敏感哈希算法
相似性度量
近似近邻检索
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
月刊
1003-6970
12-1151/TP
16开
北京市3108信箱
1979
chi
出版文献量(篇)
9374
总下载数(次)
40
总被引数(次)
23629
论文1v1指导