【摘要】：協(xié)同過濾是解決信息過載問題的一種有效技術。針對基于內存的推薦面臨著可擴展性問題、基于模型的推薦需要訓練大量參數的問題進行了研究,從而提出了基于用戶特征的K-means用戶聚類算法,然后用分步協(xié)同過濾框架融合基于項目和基于用戶的協(xié)同過濾給每一個聚簇訓練一個模型。實驗結果表明,提出的算法能極大地提高推薦精度,同時在一定程度上解決了基于模型和基于內存推薦存在的不足。

【參考文獻】

相關期刊論文 前3條

1 汪靜;印鑒;;一種優(yōu)化的Item-based協(xié)同過濾推薦算法[J];小型微型計算機系統(tǒng);2010年12期

2 吳湖;王永吉;王哲;王秀利;杜栓柱;;兩階段聯(lián)合聚類協(xié)同過濾算法[J];軟件學報;2010年05期

3 黃國言;李有超;高建培;常旭亮;;基于項目屬性的用戶聚類協(xié)同過濾推薦算法[J];計算機工程與設計;2010年05期

相關碩士學位論文 前1條

1 馮e，

本文編號：2583897