共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
个性化推荐技术能够帮助用户快速方便地从大量的电子文献中获得感兴趣的文献,但传统的基于内容过滤的推荐算法不能反映用户对文献需求的兴趣变化,难以区分文献质量的高低.针对上述问题,提出了基于用户访问时间的数据权重和文献重要度,以便更好反应用户的兴趣以及文献质量的优劣,并将这两种度量引入到基于内容过滤的科技文献推荐算法中.实验和分析表明,改进后的算法比传统的内容过滤推荐算法在对文献推荐的准确度上有所提高. 相似文献
3.
4.
苏莹 《数字社区&智能家居》2012,(1X):611-613
该文重新考虑了用户的负面评价对改进推荐系统的作用,构建了考虑用户负面评价的个性化推荐算法框架。基于物质扩散算法和MovieLens标准数据集的数值实验结果显示,该算法框架不仅能够识别出并去除掉掺杂在用户推荐列表中的错误推荐信息,使系统中的冗余信息明显减少,还可以显著地提高系统的推荐准确度,改善推荐结果的质量。该工作开辟了利用用户负面评价改进推荐算法的新思路。 相似文献
5.
为了提高高校图书馆的图书借阅率,满足学生读者的个性化需求,本文设计了基于协同推荐的高校个性化图书推荐系统。系统使用java开发的B/S体系结构,采用基于用户的相似性的协同过滤推荐算法实现图书推荐。 相似文献
6.
7.
《计算机应用与软件》2015,(10)
随着保险电子商务的不断发展,保险网站的用户越来越多样化,需求差异越来越大,为不同类型的用户推荐个性化定制化的产品以提高网站销量已经成为行业趋势。针对该问题,提出基于保险行业电子商务网站的个性化推荐系统。系统采用了基于内容的推荐和基于关联规则的推荐,分别利用保险产品本身的分类特点和用户访问网站的历史记录来推荐产品,最后将两种算法进行组合推荐。实验结果表明,算法性能高,平均推荐准确率在8%左右。由此得出结论,所提算法可用于网站的线上预测推荐。 相似文献
8.
9.
为解决在基于用户的推荐算法中,用户相似度计算精度较低、缺乏个性化等问题,提出一种基于改进用户属性评分的协同过滤算法(IUAS-CF)。针对个性用户、偏执用户等在评分矩阵上存在的评价值范围差异,基于现有的相似度计算公式设计一种适应于计算个性化用户相似度的距离度量公式;针对用户自身存在影响用户抉择的用户属性,设法将用户属性评分量化,将其引入相似度计算公式中。实验结果表明,IUAS-CF算法能更真实地反映用户评分偏好,提高了推荐系统的推荐精度,更好地满足了用户对系统的个性化需求。 相似文献
10.
常规Java课程思政资源个性化推荐系统的推荐效果不佳,因此提出基于深度学习的Java课程思政资源个性化推荐系统。首先设计资源存储器和资源处理器等系统硬件,其次基于深度学习算法构建个性化推荐模型,最后结合数据库及课程资源管理模块完成系统软件设计。测试结果表明,设计的系统能够实现课程资源的个性化推荐,推荐资源与用户需求资源之间的适配度更高。 相似文献