摘要:1.传统协同过滤推荐算法协同过滤推荐算法主要利用用户过去的行为或意见预测目标用户最可能喜欢哪些东西或者对哪些东西感兴趣,然后向目标用户做出TOP-N推荐。相似度计算方法对于协同过滤的推荐方法来说是很重要的,最常用的有Pearson相关系数法、余弦相似度等。2.改进协同过滤推荐算法针对传统协同过滤推荐算法中相似性计算的不足,提出了一种基于用户兴趣的改进协同过滤推荐算法。针对不同用户兴趣的动态变化,将基于用户兴趣度的相似性度量方法应用于改进的协同过滤推荐算法中,基于用户的兴趣,提高推荐系统的准确性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社