针对云平台协同推荐的近邻项目最优临界点优化

摘要：

针对单一的基于用户或者基于项目的推荐算法在个性化推荐的应用中还存在精度不高、推荐结果不佳的问题,本文提出了一种近邻项目最优临界点优化的云平台协同推荐模型.首先根据所有的使用客户本身存在一定的偏向爱好,计算项目之间的相似度,得到用户对物品的相似度评价,然后采用线性回归的方法对相似度评价结果进行重新预测估计,最后对多个近邻用户和多个近邻项目的最优临界点进行优化,以提高推荐精度.仿真实验结果表明,本文提出的改进模型在个性化推荐的应用中,具有更高的稳定性和推荐精度.

关键词：近邻项目、最优临界点、云计算平台、协同过滤、个性化推荐

所属期刊栏目：33

分类号：TP301.6(计算技术、计算机技术)

资助基金：江西省教育厅科技项目151593

在线出版日期：2018-01-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：171-174