Print

综合用户属性和相似度的协同过滤推荐算法

论文摘要

协同过滤推荐算法是电子商务系统的关键技术,为了解决当前协同过滤推荐算法中存在的错误大、速度慢等缺陷,以获得更优的协同过滤推荐效果,设计了综合用户属性和相似度的协同过滤推荐算法。首先分析当前电子商务系统中的协同过滤推荐算法研究现状,找到各种协同过滤推荐算法的局限性,然后综合考虑用户个性化特征建立用户属性评价矩阵,并根据评价矩阵计算了用户之间的相似度,根据相似度实现商品推荐,最后采用Java编程实现协同过滤推荐程序,并采用具体数据进行了协同过滤推荐仿真测试。这个算法减少了协同过滤推荐时间,协同过滤推荐速度得到了明显加快,降低了协同过滤推荐误差,协同过滤推荐精度要远高于当其它协同过滤推荐算法,具有很好的实际应用价值。

论文目录

  • 0 引言
  • 1 传统协同过滤推荐算法
  •   1.1 数据初始化阶段
  •   1.2 计算相似度
  •   1.3 项目评分预测与推荐
  • 2 本文协同过滤推荐算法的设计
  •   2.1 用户评分相似度计算改进
  •   2.2 用户属性相似度
  •   2.3 用户属性和与用户评分相似度的整合
  •   2.4 综合用户属性和相似度的协同过滤推荐步骤
  • 3 协同过滤推荐算法的性能分析
  •   3.1 实验环境
  •   3.2 实验数据以及协同过滤推荐算法
  •   3.3 协同过滤推荐效果比较
  •   3.4 协同过滤推荐效率比较
  • 4 总结

    • 文章来源

    类型: 期刊论文

    作者: 农艺,唐忠

    关键词: 电子商务系统,用户个体性特征,数据挖掘,信任度评价,推荐算法

    来源: 微型电脑应用 2019年11期

    年度: 2019

    分类: 信息科技

    专业: 计算机软件及计算机应用

    单位: 广西医科大学信息与管理学院

    基金: 广西云计算与大数据协同创新中心研究课题(YF16201)

    分类号: TP391.3

    页码: 27-29

    总页数: 3

    文件大小: 490K

    下载量: 234

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/35b92595ebac3be73ca1f4c5.html