您当前的位置: > 详细浏览

基于改进协同过滤算法的用户页面兴趣度预测研究 后印本

请选择邀稿期刊:
摘要: 在海量的数据中发现用户的兴趣度是电子商务领域实现针对性信息推送的一种重要方法。根据大数据稀疏性特征,把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证,提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法可通过在网络日志文件中,提取显性用户评分数据存在的“虚假评分”,发现用户页面兴趣度和其影响因素。MATLAB仿真结果显示:提出的基于改进协同过滤算法的用户页面兴趣度测量方法可有效克服海量数据的稀疏性,在预测准确性、测量速度方面都有很大提高。

版本历史

[V1] 2018-08-13 09:26:13 ChinaXiv:201808.00105V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量1351
  •  下载量750
评论
分享