10.3969/j.issn.1001-3695.2013.03.018
基于二阶段相似度学习的协同过滤推荐算法
针对传统的基于最近邻协同过滤推荐算法中计算相似度存在的缺陷, 提出了一种基于二阶段相似度学习的协同过滤推荐算法, 该算法旨在通过较少的迭代计算改善推荐算法性能。它以既约梯度法迭代寻优为主、最近邻算法为辅, 通过邻居的海选和精选, 最终提高了相似度的计算精度, 改善了误差性能。实验表明, 在一定条件下该算法不仅在误差性能上优于传统的推荐算法, 而且其算法收敛速度快, 可实现相似度参数动态调整和分布式计算。
二阶段、相似度学习、协同过滤、既约梯度法、K-最近邻算法
30
TP311(计算技术、计算机技术)
国家“863”计划资助项目2011AA040605
2013-05-03(万方平台首次上网日期,不代表论文的发表时间)
共5页
715-719