<output id="17x5x"><p id="17x5x"><del id="17x5x"></del></p></output>

    <form id="17x5x"><listing id="17x5x"></listing></form>
    <address id="17x5x"><dfn id="17x5x"></dfn></address>
    <sub id="17x5x"><var id="17x5x"><mark id="17x5x"></mark></var></sub>
    <address id="17x5x"><listing id="17x5x"><mark id="17x5x"></mark></listing></address>

      <sub id="17x5x"><var id="17x5x"></var></sub>
      <thead id="17x5x"><dfn id="17x5x"><ins id="17x5x"></ins></dfn></thead>
      <address id="17x5x"><listing id="17x5x"></listing></address>

          <address id="17x5x"><listing id="17x5x"></listing></address><sub id="17x5x"><var id="17x5x"><output id="17x5x"></output></var></sub>
             
            
          基于雙因子混合加權相似度的協同過濾推薦算法(點擊標題下載全文) 已下載

          摘要:針對在數據稀疏和冷啟動情況下,使用協同過濾推薦算法中傳統相似度算法產生相似度不準確的問題,本文將傳統相似算法中修正余弦相似度算法與基于用戶屬性的相似度算法加權混合,引入雙因子作為權重,雙因子用sigmoid函數定義,以閾值與讀者借閱量的差值為變量,當讀者借閱量大于(小于)閾值時,數據不稀疏(稀疏),修正余弦相似度算法權重自動增加(降低),基于用戶屬性相似度算法的權重自動降低(增加)。這種自動調整2種相似度算法權重的方法,既考慮了傳統相似算法的優點,又避免其缺點。通過實驗證明,改進后的算法提高了相似度計算的準確性,提高了推薦精度,在一定程度上解決了數據稀疏和冷啟動下產生的相似度不準確問題。

          • DOI:

            10.16186/j.cnki.1673-9787.2020.6.19

          • 專輯:

            理工B(化學化工冶金環境礦業); 電子技術及信息科學

          • 專題:

            計算機軟件及計算機應用

          • 分類號:

            TP391.3

           
           
          Insert title here
          Copyright ?2013. All Rights Reserved  河南理工大學出版中心 
           Tel:0391-3987068,3987069;E-mail:
          zkxb@hpu.edu.cn,skxb@hpu.edu.cn
          建議使用win7以上系統,和IE9及以上瀏覽器以獲得更好的使用體驗
          快三遗漏数据