基于协同过滤的影视营销推荐算法研究

随着三网融合的不断发展,传统广电媒体更需要建立一套完善的影视营销推荐系统,将海量的影视资源精准有效的推荐给每一位用户。在推荐系统中,协同过滤算法是应用较为广泛的一种推荐方法。讨论了传统协同过滤算法在影视营销中的应用,提出一种加权混合推荐算法,并将算法应用在影视营销推荐场景中,推荐算法的精准度得到了一定提升。     

基于协同过滤的推荐系统算法研究

在网络购物日益风靡的今天,怎样提供优质的个性化服务是当今电子商务系统的核心内容,而协同过滤推荐则是当今发展最成熟且最成功的推荐系统.本文将全方位介绍协同过滤推荐的内容、研究成果以及协同过滤算法中出现的问题,并提出协同过滤算法进一步发展的方向.     

基于项目相似度计算改进的协同过滤算法

本文通过对传统相似度计算的分析，对传统相似度计算进行了改进，试验结果表明本文提出的相似度计算能够极大提高相似度计算的精确性，改善推荐精度。     

基于协同过滤推荐技术的个性化网络教学平台研究

协同过滤推荐技术是推荐系统中最核心的技术之一,也是目前应用最广泛、最成功的技术。在本文中,研究如何将协同过滤推荐技术借鉴过来,并就冷开始问题、稀疏问题和新兴趣发现问题对现有的协同过滤推荐技术进行改进,以达到实现网络教学平台个性化的目的。     

电子商务系统中协同过滤推荐算法研究

针对电子商务发展的需求,本文通过对协同过滤推荐算法的文献综述,提出传统过滤算法无法适用于用户多兴趣下的推荐问题进行了剖析,提出了一种基于用户多兴趣的协同过滤推荐改进算法,分析了基于用户多兴趣的协同过滤推荐算法的电子商务系统。     

电子商务个性化推荐系统中协同过滤技术研究

在信息量越来越大的今天,基于各种推荐技术的个性化推荐系统应运而生,为了使用户及时从大量数据中得到所需信息,电子商务个性化信息推荐服务应运而生。协同过滤推荐技术作为目前最成熟、最成功的推荐技术,得到了广泛的应用。协同过滤通过收集用户的兴趣爱好,及其他用户的评分信息计算用户间的相似度,从而进行推荐。然而由于数据稀疏度、冷启动、算法的可扩展性问题严重影响了推荐的准确度,推荐系统的应用和推广遇到了瓶颈。     

电子商务中的协同过滤推荐系统

协同过滤是电子商务推荐系统中最重要的技术之一。它使用统计技术搜索目标客户的若干最近邻居,并根据最近邻居对商品项目的评分,预测目标客户对商品项目的评分,由此产生目标客户的推荐列表。给出协同过滤推荐系统的处理过程,包括数据表示、最近邻居集的产生和推荐列表的形成,在此基础上分析了协同过滤推荐系统存在数据稀疏、推荐质量、扩展性等问题,最后介绍了协同过滤推荐系统当前的研究进展。     

协同过滤推荐系统中的隐性评分综述

针对协同过滤算法数据稀疏性的问题,围绕隐性评分这一解决方案,创新性地从隐性评分数据来源这一方面出发,对现有的相关研究成果进行了梳理.     

基于项目相似度计算改进的协同过滤算法

本文通过对传统相似度计算的分析,对传统相似度计算进行了改进,试验结果表明本文提出的相似度计算能够极大提高相似度计算的精确性,改善推荐精度。     

基于用户的协同过滤推荐技术

随着因特网普遍使用和电子商务迅猛发展,推荐系统已成为重要研究领域,人们对推荐技术作了广泛的研究。个性化的推荐系统以个性化方式向用户推荐商品,帮助用户找到他们所需要的商品,并便捷地完成购买过程。介绍了电子商务系统中的协同过滤推荐技术,详细分析了基于用户的协同过滤推荐算法,同时指出了它的优点和缺点。     

基于协同过滤算法在图书馆学的应用

在互联网迅速发展的时代,各种信息接踵而来,给人们获得信息带来便利的同时,也造成了不可避免的困扰:信息种类繁多,难以甄别;增速太快,难以准确获得自己所需要的信息,从而对信息的利用率降低,难以体现出信息时代给大家带来的优越性。由于信息超载的现象广泛存在,那么解决办法之一可以选择个性化推荐系统。它是根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户的一个个性化信息推荐系统。推荐系统通过研究用户数据,进行个性化计算,发现用户的兴趣偏好,从而引导用户发现自己的信息需求,准确找到信息资源,提高信息的利用价值。即个性化推荐系统是根据用户的兴趣爱好,推荐符合用户个性的信息或产品。     

电子商务推荐系统中协同过滤推荐方法的研究

论文分析了电子商务推荐系统所应用到的协同过滤技术,并针对传统的基于用户的协同过滤推荐系统中所存在的数据稀疏性、算法的可扩展性、冷启动等问题,提出了改进的LSI／SVD降维、特征加权、用户的筛选等协同过滤推荐方法。     

电子商务中协同过滤推荐技术研究

协同过滤推荐是电子商务推荐系统中应用最成功的技术,很大程度上决定了推荐系统的推荐质量。文章主要介绍了目前应用较广的几种协同过滤推荐技术,并对这几种推荐技术的存在的问题进行了分析。     

基于协同过滤和关联分析的图书推荐系统

高校图书馆系统与商业系统相比,普遍存在用户信息少、项目评分严重缺失的问题,极大地影响了个性化推荐的准确率。构建某高校近200名学生图书借阅记录作为算例,利用多维属性间关联规则数据挖掘技术,采用协同过滤算法、关联算法对不同用户群体图书借阅数据进行分析,探索具有针对性的图书推荐服务策略,提升图书馆服务能力。     

协同过滤中相似度计算的一种改进尝试

协同过滤技术被广泛应用于各种推荐系统当中。协同过滤中的核心问题是相似度的计算,本文在介绍传统相似度计算方法的基础上,提出一种新的计算方法,以基于物品为例进行了实验,实验证明该方法在推荐精度上得到一定程度的提高。     

电子商务个性化推荐系统综述

目前我国已经迎来了电子商务蓬勃发展的时代,然而面对海量的商品,客户难以及时地找到符合心意的商品。在这种情况下,只有借助于电子商务个性化推荐系统,电子商务系统才能准确及时地发现用户的购物需求,并为其提供相关的产品的信息,同时还能在最大程度上挖掘用户的潜在需求。协同过滤技术是目前个性化推荐系统中广泛使用的、最成功的推荐算法之一,但也仍然存在许多问题,需要进行改善。     

面向云计算的大数据协同过滤并行推荐方法

针对大数据环境下的并行推荐问题,提出一种面向云计算的大数据协同过滤并行推荐方法,基于云计算思想实现了协同过滤两个核心步骤基于用户-项目评分矩阵计算相似度、基于相似度评分预测的四次MapReduce化并行化推荐,最后进行了实验设计。     

基于协同推荐的商超个性化服务

很多商超以会员卡的形式记录顾客的信息,从而进行会员价销售和积分返利。本文提出了一种以会员卡记录的电子信息为基础,自动发现有相似兴趣的客户类群,再以协同推荐的方式为客户提供个性化服务的方法。此方法根据客户的消费记录预测客户的消费活动,并据此及时、主动地以电子邮件等方式为用户推送其所关心的商品信息;通过有效地吸引更多的客户和促使客户进一步消费,实现了提高商家经济效益,稳定客户来源的目的。     

基于协同过滤的multi-agent反垃圾邮件系统的研究

基于单客户端的垃圾邮件过滤系统面对技术越来越高明的垃圾虾件发布者已经突现出它的弱点,多agenc技术为垃圾邮件过滤系统的设计提供了新的思路.旨在将multi-agent技术和协同过滤的思想引入到垃圾邮件过滤系统中,设计一个多层次垃圾邮件过滤系统.该系统针对垃圾邮件一般群发给多人的特点,提取用户的操作和阅读速度进行反馈,利用他人的反馈结果进行协同过滤.     

电子商务网站发展新方法——个性化推荐

作者首先阐明了一般推荐方法的缺点,而后介绍了国外流行的个性化推荐方法——协同过滤算法,举例说明了其优势,最后提出了发展的方向。