论文摘要
协同过滤是电子商务推荐系统的一种主要算法,是在电子商务推荐系统中应用最成功的推荐技术之一。本文提出了一种基于用户特征和偏好的协同过滤推荐算法,该算法结合考虑用户特征和用户偏好来计算用户的相似性,首先计算用户特征和偏好下的用户维度相似性,再计算基于用户共同评分的用户相似性,然后通过相似性权重结合得到用户的综合相似性,然后对用户进行预测,最后再根据预测结果产生推荐。本文选择MovieLens数据集数据作为本文实验数据,来验证该算法的有效性,即通过比较本文提出的协同过滤推荐算法与传统的基于用户的协同过滤推荐算法进行比较。实验结果表明本文提出的基于用户偏好的协同过滤推荐算法比传统的基于用户的协同过滤推荐算法更准确。通过对实验数据集的测试和分析,证实该算法综合考虑了用户特征、偏好和用户评分的相似性,增加了用户相似性度量的精确性,计算出目标用户的最近邻居比较准确,从而有效地提高了推荐算法的推荐质量。
论文目录
相关论文文献
- [1].基于在线评论的混合推荐算法[J]. 系统工程 2019(06)
- [2].基于校企合作的情景感知推荐算法研究[J]. 海峡科技与产业 2019(06)
- [3].融合时序的决策树推荐算法研究[J]. 现代计算机 2019(34)
- [4].算法实践中的多义与转义：以新闻推荐算法为例[J]. 新闻大学 2019(12)
- [5].教程推荐算法研究[J]. 信息与电脑(理论版) 2019(24)
- [6].基于社交网络学习推荐算法的应用研究[J]. 信息系统工程 2019(12)
- [7].垂直学习社区基于学习兴趣与风格的社会化推荐算法[J]. 小型微型计算机系统 2020(01)
- [8].融合层次聚类和粒子群优化的鲁棒推荐算法[J]. 小型微型计算机系统 2020(01)
- [9].智能推荐算法安全风险研究[J]. 广东通信技术 2019(07)
- [10].基于门控循环单元与主动学习的协同过滤推荐算法[J]. 山东大学学报(工学版) 2020(01)
- [11].电影智能推荐算法的潜在文化影响[J]. 电影艺术 2020(01)
- [12].基于聚类和用户偏好的协同过滤推荐算法[J]. 计算机工程与应用 2020(03)
- [13].基于会话的推荐算法研究综述[J]. 现代计算机 2019(36)
- [14].基于兴趣点的多维度推荐算法研究[J]. 电脑知识与技术 2020(04)
- [15].一种基于层次分析的多维属性混合推荐算法[J]. 渤海大学学报(自然科学版) 2019(04)
- [16].一种时间加权的网络结构推荐算法[J]. 哈尔滨理工大学学报 2019(06)
- [17].基于协同过滤的改进课程推荐算法[J]. 科技传播 2020(05)
- [18].一种融合知识图谱与长短期偏好的下一项推荐算法[J]. 小型微型计算机系统 2020(04)
- [19].个性化推荐算法中“信息茧房”与用户权利的思考[J]. 新闻研究导刊 2020(05)
- [20].基于用户聚类的图书协同推荐算法研究[J]. 科技资讯 2020(09)
- [21].适应情景变化的协同推荐算法[J]. 江西科学 2020(02)
- [22].一种基于用户的协同过滤与人气排行榜的融合推荐算法[J]. 南宁师范大学学报(自然科学版) 2020(01)
- [23].融合内容与矩阵分解的混合推荐算法[J]. 计算机应用研究 2020(05)
- [24].基于链路预测的有向互动影响力和用户信任的推荐算法[J]. 计算机应用研究 2020(05)
- [25].一种融合注意力和记忆网络的序列推荐算法[J]. 信息技术与网络安全 2020(05)
- [26].基于综合因素的服装智能推荐算法研究[J]. 软件 2020(04)
- [27].基于多元隐式信任关系挖掘的抗攻击社会化推荐算法研究[J]. 运筹与管理 2020(01)
- [28].基于学习轨迹的学生培养模式智能推荐算法研究[J]. 科学技术创新 2020(13)
- [29].基于注意力机制的神经网络贝叶斯群组推荐算法[J]. 计算机应用与软件 2020(05)
- [30].基于云平台的慕课资源协同过滤推荐算法[J]. 微型电脑应用 2020(05)