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:
推荐系统中的协同过滤算法和基于内容推荐算法都能够进行相关推荐,但是算法中存在的不足会导致推荐结果不准确.为提高推荐准确度,本文提出一种混合模式的推荐算法,建立用户的兴趣模型,对目标用户进行个性化的物品推荐.最后利用Movies Lens数据集进行训练并评估基于用户和基于内容的混合模式推荐算法的准确度.
推荐文章
基于内容用户建模在混合推荐算法中的应用
基于内容用户建模
混合推荐算法
机器学习
基于内容和兴趣漂移模型的电影推荐算法研究
个性推荐
词向量模型
用户偏好
兴趣漂移
聚类
集合相似度
用户兴趣变化和类别关联度的混合推荐算法
协同过滤
聚类算法
类别关联度
兴趣变化
相似度
融合内容与矩阵分解的混合推荐算法
混合推荐
矩阵分解
冷启动
参数优化
局部结构
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 基于用户和内容的混合模式推荐算法研究
来源期刊 软件 学科 工学
关键词 协同过滤 内容过滤 混合推荐
年,卷(期) 2022,(2) 所属期刊栏目 基金项目论文
研究方向 页码范围 13-15
页数 3页 分类号 TP391.3
字数 语种 中文
DOI 10.3969/j.issn.1003-6970.2022.02.005
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
协同过滤
内容过滤
混合推荐
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
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导