利用云模型改进基于项目的协同过滤推荐算法

点赞:6982 浏览:22470 近期更新时间:2024-02-26 作者:网友分享原创网站原创

[摘 要 ]针对基于项目的协同过滤推荐算法在数据极度稀疏的情况下相似性度量不准、推荐质量低下的不足,借鉴基于云模型中的云相似性度量方法来实现基于知识层面的项目相似性度量,改进传统的基于项目的协同过滤推荐算法,并利用公开的实验数据进行验证比较,结果表明,即使在数据极度稀疏的情况下,改进后的算法仍然能取得较好的推荐效果.

利用云模型改进基于项目的协同过滤推荐算法参考属性评定
有关论文范文主题研究: 电子商务类论文范文 大学生适用: 学术论文、高校大学论文
相关参考文献下载数量: 98 写作解决问题: 写作资料
毕业论文开题报告: 论文任务书、论文选题 职称论文适用: 杂志投稿、职称评初级
所属大学生专业类别: 写作资料 论文题目推荐度: 优质选题

[关 键 词 ]协同过滤推荐算法云模型相似度


[分类号]G250.76

1 引言

随着互联网和电子商务的发展,推荐系统逐渐成为电子商务IT技术的一个重要研究内容,得到越来越多研究者的关注.目前,几乎所有的大型电子商务网站,如Amazon、eBay、阿里巴巴、当当网上书店等都不同程度地使用了各种形式的推荐系统.

为了保证推荐系统对实时性条件产生相对精确的推荐,研究者提出了各种不同的推荐算法,如协同过滤推荐系统、聚类技术、关联规则技术、Horting图技术等.其中最成功的,也是在实际中得到最广泛应用的是协同过滤推荐及其各种算法的改进.