基于用户特征的分步协同推荐算法
发布时间：2020-03-01 01:41
【摘要】：协同过滤是解决信息过载问题的一种有效技术。针对基于内存的推荐面临着可扩展性问题、基于模型的推荐需要训练大量参数的问题进行了研究,从而提出了基于用户特征的K-means用户聚类算法,然后用分步协同过滤框架融合基于项目和基于用户的协同过滤给每一个聚簇训练一个模型。实验结果表明,提出的算法能极大地提高推荐精度,同时在一定程度上解决了基于模型和基于内存推荐存在的不足。
【参考文献】
相关期刊论文 前3条
1 汪静;印鉴;;一种优化的Item-based协同过滤推荐算法[J];小型微型计算机系统;2010年12期
2 吴湖;王永吉;王哲;王秀利;杜栓柱;;两阶段联合聚类协同过滤算法[J];软件学报;2010年05期
3 黄国言;李有超;高建培;常旭亮;;基于项目属性的用户聚类协同过滤推荐算法[J];计算机工程与设计;2010年05期
相关硕士学位论文 前1条
1 冯e，
本文编号：2583897
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2583897.html
