10.3969/j.issn.1673-629X.2016.12.033
基于Softmax回归模型的协同过滤算法研究与应用
针对传统的协同过滤推荐算法所存在的推荐精度不高的问题,提出了基于Softmax回归模型的协同过滤算法。根据用户的属性特征将用户分为不同的簇,再从目标用户所在的簇中实现协同过滤推荐,有效缩减了最近邻居的查找范围,提高了推荐效率。主要将此改进算法应用于饮食推荐中,根据用户的饮食记录对用户按口味偏好进行精准分类,将偏好相同的用户划分到同一个簇中,再从目标用户所在的用户簇中查找最近邻居,完成推荐。从两方面对此方法进行了实证分析:基于Softmax的用户口味偏好分类的准确率分析和基于Softmax的协同过滤推荐精准度分析,验证了该方法的有效性和可行性。
Softmax回归、口味偏好、协同过滤、营养饮食
26
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目41271387
2017-01-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
153-155,159