综合用户属性和相似度的协同过滤推荐算法

摘要：

协同过滤推荐算法是电子商务系统的关键技术,为了解决当前协同过滤推荐算法中存在的错误大、速度慢等缺陷,以获得更优的协同过滤推荐效果,设计了综合用户属性和相似度的协同过滤推荐算法.首先分析当前电子商务系统中的协同过滤推荐算法研究现状,找到各种协同过滤推荐算法的局限性,然后综合考虑用户个性化特征建立用户属性评价矩阵,并根据评价矩阵计算了用户之间的相似度,根据相似度实现商品推荐,最后采用Java编程实现协同过滤推荐程序,并采用具体数据进行了协同过滤推荐仿真测试.这个算法减少了协同过滤推荐时间,协同过滤推荐速度得到了明显加快,降低了协同过滤推荐误差,协同过滤推荐精度要远高于当其它协同过滤推荐算法,具有很好的实际应用价值.

关键词：电子商务系统、用户个体性特征、数据挖掘、信任度评价、推荐算法

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：广西云计算与大数据协同创新中心研究课题YF16201

在线出版日期：2019-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：27-29