首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 171 毫秒
1.
提出了一种基于用户兴趣及标签相似度的混合推荐算法,构建基于标签的用户兴趣模型,通过计算与资源相似度完成推荐,同时融合时间因素研究用户兴趣变化,提高了基于内容的推荐中相似度计算的准确率;根据用户兴趣相似度聚类用户,通过兴趣协同推荐减少对评分矩阵的依赖,一定程度上解决了协同过滤中推荐数据缺失问题;同时,结合用户基本信息有望缓解冷启动问题。实验表明该算法具有一定的有效性及可行性。  相似文献   

2.
提出基于目标用户与候选用户之间的兴趣相似度、目标用户对其他用户信任度、其他用户的热门程度等多种因素实现社交网络中的好友推荐,旨在提高好友推荐质量。  相似文献   

3.
随着计算机的迅速发展,基于兴趣度图书推荐系统通过统计用户浏览信息,预测其偏好以达到推荐图书的目的。本文研究用户兴趣模型,通过学习分析个性推荐及主要推荐算法的功能和原理,构建用户兴趣模型,实现了兴趣推荐功能,大大减少了用户索书时间。  相似文献   

4.
旅游电子商务与网络社交媒体发展导致旅游信息爆炸式增长,用户面临信息过载问题。为使用户快速获取并甄别信息,将传统协同过滤推荐算法应用于景点推荐,游客对景点评分构成评分矩阵,计算景点之间相似度,根据相似景点评分预测游客对目标景点评分。实验结果显示,景点预测评分平均绝对误差为0.696,Item-based景点推荐算法能根据游客偏好推荐景点。  相似文献   

5.
在协同推荐算法实际应用基础上,提出了一种改进措施,将多层次相似性度量应用到推荐系统kNN算法中,即借助层次关系矩阵,将内容之间的一些固有属性信息融合到相似度计算中。该改进措施在实际推荐系统应用中取得了较好的效果。  相似文献   

6.
微博的普及导致微博平台数据量日益增长,因此从海量微博中快速准确地为微博用户推荐好友成为了巨大挑战。用户的社交网络和微博文本在一定程度上体现了用户的价值观和兴趣爱好,有相似兴趣的微博用户更有可能成为朋友。基于上述事实,以用户微博文本相似度为似然函数,使用K-means聚类对微博用户聚类,得到微博用户社交圈;在社交圈内部迭代计算用户之间的相似度,同时计算用户对其所在社交圈中其余用户的信任度;最后,根据用户之间的相似度和信任度完成微博好友推荐。实验结果表明,该算法优于传统的基于社交网络拓扑图的好友推荐方法。  相似文献   

7.
基于不断丰富的图书资源与读者找书难之间的日益突出的矛盾,简述了RFID技术与图书馆个性化推荐系统的国内外研究现状,分析了移动环境条件下图书馆推荐服务方式的转变,在此基础上,探讨了利用RFID技术实现图书馆用户定位的个性化推荐服务模式的可行性。  相似文献   

8.
传统协同过滤算法主要根据稀疏的评分矩阵向用户作出推荐,存在推荐质量较差的问题。为此,提出一种基于信息熵的综合项目相似度度量方法。考虑到用户的兴趣会随时间发生变化,而且不同用户群体的兴趣变化不同,受艾宾浩斯记忆遗忘规律启发,提出适应于不同用户群体兴趣变化的数据权重。基于movielens数据集的实验结果表明,改进后算法不仅能缓解评分数据稀疏问题,而且能提高算法的准确率。  相似文献   

9.
本文从几个方面入手阐述了怎样做好图书推荐工作.图书推荐工作是图书馆读者工作主要服务方式.应研究读者心理,了解读者阅读需要,分析读者的阅读规律,提高图书馆员的自身素质,来做好图书推荐工作.  相似文献   

10.
提出一种融合位置相似性度量的协同过滤推荐算法(CF-FLSM)。算法融合位置相似性度量进行加权计算用户间的兴趣相似度,从而为目标用户产生推荐结果。将CF-FLSM应用于一个具体的快消品电商网站,得出的推荐结果与传统使用余弦相似性的协同过滤推荐算法(CF)相比,精确率和召回率分别提高了3.74%和3.91%。  相似文献   

11.
高校图书馆新书推荐旨在组织师生更好地利用图书馆。常熟理工学院图书馆存在新书展示盲目、展示量递减,网络推荐量偏少、知晓率低,新书利用率低等问题。提高展示效果和馆员素质,拓宽推荐渠道,发挥网络推荐功能,可切实提高高校图书馆新书推荐效率。  相似文献   

12.
文章对推荐系统进行了研究,借鉴了亚马逊的图书推荐思想。利用书籍的图书分类、书籍综合特征和书籍评分,提出了一种基于协同过滤、基于内容推荐的综合推荐算法。算法用于鉴别用户是否喜好某本书籍。同时将这种推荐算法应用于高校图书馆的书籍借阅系统中,旨在提高图书馆借阔系统的个性化。该算法能在一定程度上降低借阅者花费在借阅过程中的时间,另一方面能够通过推荐算法的应用,提高图书馆书籍利用率,降低书籍借阅过程中的马太效应。  相似文献   

13.
针对当前文献推荐中个性化程度不高等问题,提出一种对用户行为重新分配权重的度量算法。运用用户行为数据按照时间顺序重新分配权重,突出近期用户兴趣构建用户兴趣模型。通过LDA主题分布、关键词分布等方法构建学术资源模型,实现两模型间匹配,完成推荐。通过实验验证,该算法准确性达到80%,比传统等权重算法提高近20%,召回率与F值分别提升了7%和5%。研究表明,基于时间因素的用户兴趣度量算法相较于传统等权重算法具有更高的准确性,未来可进一步优化用户兴趣度量以实现精准推荐服务。  相似文献   

14.
娱乐方式日益丰富,产生巨量数据,利用这些数据通过推荐系统可以让用户获得更好的体验,为此提出了DB-CF(DBSCAN-Collaborative Filtering)算法。首先,使用DBSCAN聚类算法对音乐平台的线下用户进行聚类|然后,通过协同过滤算法计算对象用户与各聚类中心的相似度,再通过对比相似度度量矩阵,遍历离对象用户最近的邻居,通过邻居作出评分预测。实验表明,采用DB-CF算法比传统算法准确率提高8%左右,可以产生更准确的推荐结果,为用户带来更好的体验。  相似文献   

15.
关于晚清名臣翁同龢与戊戌维新领袖康有为之间的关系,一直以来被世人普遍认同的观点是,翁康二人关系甚密,是翁同龢向光绪帝推荐了康有为。在康有为的著述中亦可找到诸多翁氏"荐康"的相关内容,但在翁同龢的著述中,却有着截然相反的态度。事实究竟为何?通过对当事人及相关人物所记载史料进行分析研究,可推断翁同龢"荐康"之说不可信。  相似文献   

16.
为解决协同过滤推荐算法冷启动和数据稀缺的问题,提高个性化阅读系统推荐准确性,根据图书特点,提出一种融合协同过滤算法和兴趣标签算法的个性化阅读系统设计。通过交叉调和方法,给定一个适当的融合比将两种推荐算法的推荐结果进行融合,保证系统在解决冷启动问题的同时,能够增加推荐列表新鲜度,提高推荐准确度,保持个性化阅读系统优越性。结果表明,该方法即使没有评级也能合理推荐,在推荐准确性和图书种类方面优于传统方法。  相似文献   

17.
传统基于物品的协同过滤算法(ItemCF)利用物品间的相似性为用户提供个性化推荐,然而该方法仅考虑了评分数据,而未关注用户情感偏好。基于从评论中的emoji表情提炼出的用户情感偏好,提出一种引入用户情感编号矩阵的ItemCF算法。该方法利用物品共现矩阵与用户情感偏好矩阵计算物品相似度,进而进行个性化推荐。根据某在线互联网教育实证数据集的实验结果表明,该方法相比于传统基于物品的协同过滤算法,在准确率和召回率上都有所提升,在Top1-5推荐均值上分别提高了0.02和0.03。  相似文献   

18.
文章论述了一般中小型高校图书馆数据库建设现状及其如何从软环境上进行管理,着重强调了发挥数据库的最大利用价值在于向读者强力宣传推介与辅导,而不仅仅只是普通的宣传,并提出了具体的强力宣传推介方法。  相似文献   

19.
为读者服务工作是公共图书馆全部工作的出发点和归宿,我们应努力提高图书利用率,研究读者需求的特点,贯彻读者工作原则,多渠道多形式为读者提供信息,积极推荐图书,做好采购和读者的中介,严格图书供期管理,以达到为读者优质服务之目的。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号