文献检索-宁波市创意产业特色资源库

限定检索结果

基于全加权矩阵分解的用户协同过滤推荐算法: 收藏
分享
引用; 《计算机科学》2019年第S11期46卷 199-203,219页; 作者：邓秀勤刘太亨刘富春龙咏红广东工业大学应用数学学院广州510006 广东工业大学计算机学院广州510006; 针对传统的基于用户协同过滤推荐算法将用户对某物品的喜好程度等同看待的问题,文中提出了一种融合全加权矩阵分解的用户协同过滤模型。该模型首先为观测值设计频率感知加权,且非均匀地设计用于未观测值的用户导向加权。然后组合观测值...; 针对传统的基于用户协同过滤推荐算法将用户对某物品的喜好程度等同看待的问题,文中提出了一种融合全加权矩阵分解的用户协同过滤模型。该模型首先为观测值设计频率感知加权,且非均匀地设计用于未观测值的用户导向加权。然后组合观测值和未观测值的加权,并根据评分确定用户声誉和用户关系的相似性,构建融合全加权矩阵分解的用户协同过滤模型。为了验证提出的推荐算法的性能,在Douban、Epinions和*** 3个真实数据集上进行了仿真实验。实验结果表明,所提出的AWMF_UCFR算法的推荐准确性与MF算法、WRMF-UO算法、SoRS算法相比有显著提高。; 来源：详细信息评论

限定检索结果