[ 登录/注册 ] 购物车(0)
期刊大全 杂志订阅 SCI期刊 SCI发表 期刊投稿 出版社 公文范文 精品范文
摘要:在协同过滤算法中,用户之间的相似性计算影响推荐系统的质量,尤其是在数据稀疏的情况下得到的用户之间的关系同实际情况偏离较大,影响推荐精度。针对上述问题,提出一种新的相似性计算算法。利用用户评分结构特征的稳定性,同时结合评分结构间的偏好距离,重新计算用户间偏好相似度。在MovieLens数据集上的实验结果表明,与传统基于用户的相关相似性协同过滤算法及余弦相似性算法相比,该算法的推荐精度平均提高3.94%和2.99%。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
北大期刊 下单
国际刊号:1000-3428
国内刊号:31-1289/TP
国际刊号:2096-661X
国内刊号:52-1172/G2
国际刊号:1006-6373
国内刊号:13-1175/F
国际刊号:1008-7796
国内刊号:41-1289/F
国际刊号:1672-5158
国内刊号:11-5119/TP
多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。
推荐期刊保障正刊,评职认可,企业资质合规可查。
诚信服务,签订协议,严格保密用户信息,提供正规票据。
如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。