协同过滤推荐算法的优化研究

  • 打印
  • 收藏
收藏成功


打开文本图片集

摘要:协同过滤推荐是目前应用最广泛和最成功的推荐系统,但传统的协同过滤算法没有充分利用用户的行为反馈信息,忽略了时间顺序、序列顺序等有效信息,存在一些局限性。文章基于传统的协同过滤算法,结合用户交互行为信息中的时间顺序、序列顺序以及物品的流行度和用户的活跃度等信息,优化算法的推荐效果,并且在数据集MovieLens上进行验证,实验结果表明优化后的协同过滤推荐算法能有效提升推荐效果。(剩余5939字)

目录
monitor