排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
针对现有社区发现算法挖掘结果精确度不高以及Web服务资源智能推荐质量较低的问题,在传统协同过滤算法的基础上,提出了基于节点相似性的动态社区发现算法。首先以连接节点最多的中心节点为起始网络社区,以社区贡献度为衡量指标不断形成多个全局贡献度饱和的社区;再使用重叠度计算将相似度高的社区进行合并,最后通过计算目标用户与社区中其他用户之间的动态相似度,将计算结果降序排列后构成邻近用户集,获得社区化推荐对象。实验结果表明,提出的社区发现算法对用户社会网络的社区分类与实际社区分类结果吻合,提高了社区挖掘的精确度,有助于实现高质量的社区化推荐。 相似文献
3.
研究了满足用户在服务功能、服务属性和服务质量上的多层次均衡需求的Web服务资源智能推荐方法,解决了服务信息过载问题。现有服务推荐技术存在未考虑用户对服务多层次均衡需求的不足,结合Web服务资源的特点,综合考虑用户服务需求与候选服务群之间的多层次相似度,设计了综合Web服务资源的功能、属性和质量三个层次的适合度匹配算法,以及用户主观兴趣度匹配算法。通过这两个算法建立了面向用户均衡需求的个性化Web服务资源智能推荐方法,能将最大匹配度的Web服务资源推荐给目标用户。 相似文献
1