协同推荐系统评估方法的研究

研究论文基于WUM和RBFN的协同过滤推荐方法探讨

协同过滤是当前推荐系统中最成功的一种方法，然而面对数据稀疏性等挑战。本研究提出利用Web数据挖掘（WUM）补充隐性数据，进而完善显性用户评价矩阵；并应用径向基函数（RBFN）对补全后的评价矩阵进行平滑处理，以解决数据稀疏性问题。实验结果显示，该方法在推荐精度和相关性上均显著优于传统协同过滤方法。

数据挖掘 0 2024-10-15

协同过滤商品推荐系统

构建商品推荐系统，利用协同过滤算法，根据用户画像及购买历史，推荐相关商品，为用户提供个性化购物体验。

算法与数据结构 6 2024-04-29

基于用户评分的关联规则挖掘协同推荐方法(2005年)

提出了一种创新的方法，利用数据挖掘技术应用于电子商务领域。介绍了新型的数据库存储结构AFP-树，并利用它挖掘频繁模式。进而通过项目之间的关联来实现协同推荐。最后详细说明了该推荐系统的工作过程。

数据挖掘 1 2024-07-17

商务推荐系统设计研究

本论文全面探讨了商务推荐系统的原理、算法和应用。论文深入分析了推荐系统技术，包括协同过滤、内容推荐和基于模型的推荐。论文还阐述了商务推荐系统面临的挑战，并提出了应对这些挑战的创新解决方案。

数据挖掘 2 2024-05-30

基于Django框架的图书推荐系统（整合协同过滤算法）

确保图书推荐系统在运行时能够顺利工作。

MySQL 2 2024-07-19

视频推荐系统中的基于物品的协同过滤算法工具详解

视频推荐系统依据用户的点击、点赞和收藏行为进行推荐，其中基于物品的协同过滤算法是一种有效的推荐方法。

算法与数据结构 0 2024-08-22

基于类别偏好Canopy-K-means的推荐系统协同过滤算法

协同过滤算法（CF）在推荐系统中面临数据稀疏性和可伸缩性问题。提出了基于类别偏好Canopy-K-means的协同过滤算法（CPCKCF），定义了用户项类别偏好比率（UICPR）并计算UICPR矩阵。CPCKCF算法以Canopy算法为前置步骤，并将其输出作为K-means算法的输入，用于用户数据的聚类和近邻用户预测得分。实验结果基于MovieLens数据集显示，与传统基于用户的协同过滤算法相比，CPCKCF算法提高了计算效率和推荐精度约2.81%。

数据挖掘 0 2024-08-16

煤矿设备健康状态评估方法研究与应用

针对煤矿设备故障模式先验未知的挑战，提出了一种煤矿设备健康状态评估方法。通过分析滚筒轴座的振动数据建立时间序列，并选取正常运行特征参数作为基础模态集，设计了基于模态的健康状态预测方法。该方法主要依据频率贴近度选择特征参数，并通过训练建立最优模态集。应用于兴隆庄煤矿选煤厂设备监测中，结果表明，该方法能够有效区分设备的正常与故障状态，具有运算量适中的特点。

数据挖掘 3 2024-07-17

基于ItemCF协同过滤与Hadoop MapReduce的商品推荐系统资源下载

基于ItemCF协同过滤与Hadoop MapReduce的商品推荐系统资源下载。使用ItemCF进行协同过滤的商品推荐系统。步骤1：运行配置和路径；步骤2：格式化和去重；步骤3：计算得分矩阵；步骤4：计算同现矩阵；步骤5：矩阵相乘；步骤6：排序推荐。详细操作请查看Github链接：https://github.com/huangyueranbbc

Hadoop 3 2024-07-17