基于商品流行度和用户活跃度的推荐算法研究
用户活跃度和商品流行度对个性化推荐系统性能影响越来越大。而以前的推荐算法很少考虑这两个因素的作用。该文根据商品流行度对计算用户相似度的影响,提出了一种改进的计算用户相似度的方法。同时,又根据用户活跃度对目标用户预测评分的影响,提出了一种改进目标用户计算预测评分的方法。经实验验证,改进后的推荐算法在准确率、召回率和覆盖率等性能指标都优于传统的推荐算法。因此,改进后的算法在提高推荐系统的性能上具有较好的理论研究和应用价值。
商品流行度、用户活跃度、协同过滤、相似度、推荐
TP311(计算技术、计算机技术)
2014-12-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
7641-7643,7649