公共文化服务平台

搜索到11732篇“ 协同过滤“的相关文章

一种基于改进协同过滤推荐算法的电影推荐方法: 2025年; 针对协同过滤推荐算法中相似度计算存在的误差问题,文章提出了一种带修正因子的相似度计算方法,并将其应用于电影推荐算法中。首先,对电影信息数据进行降维处理,并通过K-means算法进行聚类,以提高算法效率。其次,引入修正因子,结合皮尔逊相关系数计算电影相似度矩阵。最后,根据相似度矩阵计算用户对未打分电影的预测得分,从而完成推荐。实验结果表明,与传统协同过滤推荐算法相比,本算法的效率提升了62.4%;优化后的相似度算法比传统相似度算法的平均绝对误差平均降低了9.67%。; 陈瑛沈阳; 关键词：相似度矩阵修正因子主成分分析聚类协同过滤

基于协同过滤推荐算法的农产品电商平台的开发: 2025年; 通过网络购物已成为一种生活习惯。为使消费者随时随地选购农产品,同时能够方便快捷地在海量的农产品信息中确定感兴趣的商品,文章运用协同过滤推荐算法,使用Java编程语言和SQL数据库,开发了具有推荐功能的农产品电商平台。针对消费者的喜好,平台可以个性化地向其推荐农产品,从而有效提高购物效率。; 周旭东; 关键词：协同过滤推荐算法消费者

基于多维度上下文信息的协同过滤推荐系统设计: 2025年; 为提高推荐系统的准确性与个性化水平,本研究设计并实现了基于多上下文信息的协同过滤推荐系统。通过集成用户行为、时间、地点等多维上下文信息,对协同过滤算法进行优化调整。分析了多上下文信息的识别、预处理及其与推荐算法的集成方式,构建了综合的推荐系统原型。结果表明:与传统协同过滤系统相比,本系统在准确度、回率和精确度、覆盖率等都具有明显的优势。结果验证了多上下文信息整合的有效性与实用性。; 朱新宇; 关键词：信息预处理协同过滤算法

基于Rényi差分隐私的图卷积协同过滤推荐算法: 2025年; 近年来,图卷积网络作为一种强大的图嵌入技术在推荐系统领域得到广泛应用.主要原因是推荐系统中大多数信息可以建模为图结构,而图卷积网络是一种基于图结构的深度学习模型,有助于挖掘图数据中用户和项目之间的潜在交互,从而提高推荐系统的性能.由于推荐系统的建模通常需要收集和处理大量的敏感数据,因此可能会面临隐私泄露的风险.差分隐私是一种具有坚实理论基础的隐私保护模型,已被广泛应用于推荐系统中解决用户隐私泄露的问题.目前基于差分隐私的研究主要是面向独立同分布的数据模型.然而,在基于图卷积网络的推荐系统中,数据之间关联性强且不具有独立性,这使得现有方法难以对其进行有效的隐私保护处理.为解决该问题,提出基于Rényi差分隐私的图卷积协同过滤推荐算法RDP-GCF,旨在保护用户与项目交互数据安全的前提下,实现隐私性和效用性之间的平衡.该算法首先利用图卷积网络学习用户/项目的嵌入向量;然后,采用高斯机制对嵌入向量进行随机化处理,同时基于采样的方法放大隐私预算,减少差分噪声注入量,以提升推荐系统的性能;最后,通过加权融合的方式得到用户/项目的最终嵌入向量,并应用于推荐任务.在3组公开数据集上进行实验验证.结果表明,与现有同类方法相比,所提算法能更好地实现隐私保护与数据效用之间的平衡.; 王锟王永刘金源邓江洲; 关键词：推荐系统协同过滤

协同过滤推荐算法在数据库原理及应用课程教学中的应用: 2025年; 针对当前数据库原理及应用实践教学存在的学生兴趣不高、教学资源不足、课程内容更新滞后等问题,提出运用协同过滤推荐算法对数据库原理及应用课堂教学进行改革,具体阐述如何设计“授课信息收集以及预处理—教学模式识别—进阶教学” 教学阶段,如何运用授课信息数据驱动、自助互动、场景带入、自适应教学等教学方法。; 曹金鑫鞠小林陈翔; 关键词：数据库原理及应用课程教学

基于协同过滤和内容的推荐算法在电影推荐系统中的融合研究: 2025年; 文章深入研究了基于协同过滤与内容的推荐算法在电影推荐系统中的融合与应用。首先,详细阐述了两种推荐算法的基本原理及优缺点,并对相似度计算方法进行了深入的分析与针对性的优化。随后,文章探讨了协同过滤和内容推荐算法有效融合策略和方法。最后,采用MovieLens数据集进行实验验证,证明了融合算法在提升推荐系统性能方面的有效性,并讨论了未来可能的研究方向。; 陆浩言; 关键词：协同过滤推荐算法

一种高级氧化协同过滤系统及方法: 本发明公开了一种高级氧化协同过滤系统及方法，溶液箱的出口经第一管道与管道混合器的入口相连通，原水箱的出口经第二管道与管道混合器的入口相连通，原水箱的出口经第三管道与US活化过滤器的入口相连通，管道混合器的出口经紫外发生器...; 黄琮昱胡大龙郗天浩余耀宏孙东奇关帅李亚娟郭鹏飞王博李乐杨永曹瑞雪

基于协同过滤算法的产品智能推荐方法: 本发明涉及产品推荐技术领域，具体涉及一种基于协同过滤算法的产品智能推荐方法。本发明根据每个产品在不同交易时刻的产品销量变化趋势，获得每个产品的爆款性；结合对应历史购买产品的交易时间特征，获得每个用户的从众性；对于任一用户...; 赵壮壮邱丽容方清香

基于知识图谱的稀疏数据协同过滤推荐算法: 2025年; 因缺乏足够的交互关系支撑导致推荐精度不佳,对此,提出基于知识图谱的稀疏数据协同过滤推荐算法。抽取用户与物品的交互关系,构建知识图谱,利用知识图谱中的实体关系对用户和物品进行扩展表示。结合卷积神经网络(CNN)将交互关系扩为复杂结构,捕获上下文信息,以欧氏距离算相似度。找到目标用户相似邻居集,用用户协同过滤预测评分,融合时间加权策略动态调整,生成推荐列表。测试表明,该算法归一化折损累计增益(NDCG)值高,平均绝对误差(MAE)和均方根误差(RMSE)低,推荐效果较理想。; 许雪晶林辰玮; 关键词：知识图谱稀疏数据相似度

一种融合商品特征的协同过滤推荐方法和系统: 本发明公开了一种融合商品特征的协同过滤推荐方法和系统，属于新零售企业商品智能推荐领域，在使用协同过滤算法计算物品相似度的基础上做以改进，融合商品特征，计算基于商品特征的相似度矩阵，并与协同过滤算法的商品相似度矩阵结合，最...; 边根庆李婷

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈