发表服务
协作过滤算法是被广泛应用的个性化推荐算法，但由于未考虑社交网络的一些重要社交信息及数据稀疏问题，故其在解决社交网络的推荐问题时推荐效果不佳。. 为此，提出一个基于用户信任度和社会相似度的协作过滤算法。. 首先根据用户-项目矩阵计算用户 ...
一种融合信任度和相似度的推荐算法 刘群;陈阳 推荐系统是一种能够帮助用户在面对大量信息时,能快速、有效地获取有用资源的工具。协同过滤是目前广泛使用的一种推荐技术,该技术通过相似邻居对项目的评分为源用户产生推荐,但面临数据稀疏性和冷 ...
影响用户相信某个推荐结果的因素，90%的用户相信朋友对他们的推荐。基于社交网络的推荐可以很好的模拟现实社会。所以利用社交网络数据进行推荐可以增加用户对系统的信任度。另外利用用户在社交网络的数据可以解决冷启动问题。1.社交网络数据来源： 1.电子邮件（联系人通信） 2.用户注册 ...
输出: BibTeX | EndNote (RIS) 摘要 针对协同过滤推荐算法中存在的准确率较低、数据稀疏等问题，提出基于用户信任的协同过滤推荐算法，算法包含计算用户之间评分信任度和偏好信任度2个部分.对于用户项目评分矩阵中的用户间共同评分项目，综合考虑共同评分项目 ...
基于信任用户联合聚类的协同过滤算法，王宗武;-计算机与现代化2013年第09期杂志 ... 本文提出一种结合用户信任度和用户兴趣进行聚类的协同过滤算法。该算法综合用户信任度以及用户评分相似性来进行聚类,在聚类结果中寻找最近邻居并产生推荐。
基于用户信任度和社会化标签的协同过滤算法研究. 赵明飞. 【摘要】： 随着互联网的广泛普及和电子信息技术的飞快发展,网络成为人们获取信息的重要方式,数据正在以超凡的速度呈现爆炸式增长。. 分类目录、搜索引擎等传统的网络服务已经不能满足人们的 ...
为此，提出一种改进的基于信任度的协同过滤算法，根据用户历史行为，对用户项目评分矩阵进行细分量化，综合考虑用户间关系，引入信任因子维持用户信任关系中的非对称性，通过共同评分项计算用户评分信任度。. 最终融合信任度与信任因子，计算获得 ...
在用户相似度的基础上,引入信任关系,包括直接信任度和间接信任度,间接信任是对直接信任的传播计算得出的。相似度和信任度融合之后形成相关度,整体作为推荐权重,选择出被推荐用户的最近邻居集合,进行推荐。(3)对设计的算法编程检验是否达到了预期的效果
融合用户信任度与相似度的推荐算法研究 徐毅，叶卫根，戴鑫,宋威，周贤泉 (江南大学 物联网工程学院,江苏 无锡 214122) Recommendation Algorithm Incorporating Users′ Trust and Users′ Similarity
协作过滤算法是被广泛应用的个性化推荐算法，但由于未考虑社交网络的一些重要社交信息及数据稀疏问题，故其在解决社交网络的推荐问题时推荐效果不佳。. 为此，提出一个基于用户信任度和社会相似度的协作过滤算法。. 首先根据用户-项目矩阵计算用户 ...
一种融合信任度和相似度的推荐算法 刘群;陈阳 推荐系统是一种能够帮助用户在面对大量信息时,能快速、有效地获取有用资源的工具。协同过滤是目前广泛使用的一种推荐技术,该技术通过相似邻居对项目的评分为源用户产生推荐,但面临数据稀疏性和冷 ...
影响用户相信某个推荐结果的因素，90%的用户相信朋友对他们的推荐。基于社交网络的推荐可以很好的模拟现实社会。所以利用社交网络数据进行推荐可以增加用户对系统的信任度。另外利用用户在社交网络的数据可以解决冷启动问题。1.社交网络数据来源： 1.电子邮件（联系人通信） 2.用户注册 ...
输出: BibTeX | EndNote (RIS) 摘要 针对协同过滤推荐算法中存在的准确率较低、数据稀疏等问题，提出基于用户信任的协同过滤推荐算法，算法包含计算用户之间评分信任度和偏好信任度2个部分.对于用户项目评分矩阵中的用户间共同评分项目，综合考虑共同评分项目 ...
基于信任用户联合聚类的协同过滤算法，王宗武;-计算机与现代化2013年第09期杂志 ... 本文提出一种结合用户信任度和用户兴趣进行聚类的协同过滤算法。该算法综合用户信任度以及用户评分相似性来进行聚类,在聚类结果中寻找最近邻居并产生推荐。
基于用户信任度和社会化标签的协同过滤算法研究. 赵明飞. 【摘要】： 随着互联网的广泛普及和电子信息技术的飞快发展,网络成为人们获取信息的重要方式,数据正在以超凡的速度呈现爆炸式增长。. 分类目录、搜索引擎等传统的网络服务已经不能满足人们的 ...
为此，提出一种改进的基于信任度的协同过滤算法，根据用户历史行为，对用户项目评分矩阵进行细分量化，综合考虑用户间关系，引入信任因子维持用户信任关系中的非对称性，通过共同评分项计算用户评分信任度。. 最终融合信任度与信任因子，计算获得 ...
在用户相似度的基础上,引入信任关系,包括直接信任度和间接信任度,间接信任是对直接信任的传播计算得出的。相似度和信任度融合之后形成相关度,整体作为推荐权重,选择出被推荐用户的最近邻居集合,进行推荐。(3)对设计的算法编程检验是否达到了预期的效果
融合用户信任度与相似度的推荐算法研究 徐毅，叶卫根，戴鑫,宋威，周贤泉 (江南大学 物联网工程学院,江苏 无锡 214122) Recommendation Algorithm Incorporating Users′ Trust and Users′ Similarity
发表服务