基于用戶興趣的改進型協同過濾算法
大小：0.75 MB 人氣： 2017-12-13 需要積分：0
標簽：協同過濾(9756)
協同過濾算法可以根據用戶的歷史行為記錄去預測其可能喜歡的物品，是現在業界應用極為廣泛的推薦算法。但傳統的協同過濾算法并沒有考慮到用戶興趣的概念漂移，在一些基于時間的協同過濾算法中對推薦時效性的考慮也有所欠缺。針對這些問題，結合用戶興趣隨時間轉移的特點，改進了相似度的度量方法，同時引入一種增強的時間衰減模型來度量預測值，并將這兩種方式有機地結合起來，解決了用戶興趣的概念漂移問題并考慮了推薦算法的時效性。仿真實驗中，分別在不同的數據集中對比了該算法與UserCF、TCNCF、PTCF以及TimeSVD++算法的預測評分準確度和TopN推薦準確度。實驗結果表明，改進算法能夠降低預測評分的均方根誤差（RMSE），并在TopN推薦準確度上均優于對比算法
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于用戶興趣的改進型協同過濾算法下載
相關電子資料下載
- 神經協同過濾NCF原理及實戰 4897
- 基于協同過濾算法的推薦 292
- 系統機器學習算法總結知識分享 4608
- 基于RFID技術和協同過濾技術的傳統超市購物應用 533
- 人工智能四大概念（分類方法、類別、機器學習和協同過濾） 39957