基于用户兴趣的改进型协同过滤算法
大小：0.75 MB 人气： 2017-12-13 需要积分：0
标签：协同过滤(9756)
协同过滤算法可以根据用户的历史行为记录去预测其可能喜欢的物品，是现在业界应用极为广泛的推荐算法。但传统的协同过滤算法并没有考虑到用户兴趣的概念漂移，在一些基于时间的协同过滤算法中对推荐时效性的考虑也有所欠缺。针对这些问题，结合用户兴趣随时间转移的特点，改进了相似度的度量方法，同时引入一种增强的时间衰减模型来度量预测值，并将这两种方式有机地结合起来，解决了用户兴趣的概念漂移问题并考虑了推荐算法的时效性。仿真实验中，分别在不同的数据集中对比了该算法与UserCF、TCNCF、PTCF以及TimeSVD++算法的预测评分准确度和TopN推荐准确度。实验结果表明，改进算法能够降低预测评分的均方根误差（RMSE），并在TopN推荐准确度上均优于对比算法
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于用户兴趣的改进型协同过滤算法下载
相关电子资料下载
- 神经协同过滤NCF原理及实战 4897
- 基于协同过滤算法的推荐 292
- 系统机器学习算法总结知识分享 4608
- 基于RFID技术和协同过滤技术的传统超市购物应用 533
- 人工智能四大概念（分类方法、类别、机器学习和协同过滤） 39957