协同过滤推荐算法的优化研究
协同过滤推荐是目前应用最广泛和最成功的推荐系统,但传统的协同过滤算法没有充分利用用户的行为反馈信息,忽略了时间顺序、序列顺序等有效信息,存在一些局限性.文章基于传统的协同过滤算法,结合用户交互行为信息中的时间顺序、序列顺序以及物品的流行度和用户的活跃度等信息,优化算法的推荐效果,并且在数据集MovieLens上进行验证,实验结果表明优化后的协同过滤推荐算法能有效提升推荐效果.
协同过滤、相似性度量、推荐算法
18
TP391(计算技术、计算机技术)
2022-07-06(万方平台首次上网日期,不代表论文的发表时间)
共3页
88-90