论文摘要
协同过滤推荐算法是电子商务系统的关键技术,为了解决当前协同过滤推荐算法中存在的错误大、速度慢等缺陷,以获得更优的协同过滤推荐效果,设计了综合用户属性和相似度的协同过滤推荐算法。首先分析当前电子商务系统中的协同过滤推荐算法研究现状,找到各种协同过滤推荐算法的局限性,然后综合考虑用户个性化特征建立用户属性评价矩阵,并根据评价矩阵计算了用户之间的相似度,根据相似度实现商品推荐,最后采用Java编程实现协同过滤推荐程序,并采用具体数据进行了协同过滤推荐仿真测试。这个算法减少了协同过滤推荐时间,协同过滤推荐速度得到了明显加快,降低了协同过滤推荐误差,协同过滤推荐精度要远高于当其它协同过滤推荐算法,具有很好的实际应用价值。
论文目录
文章来源
类型: 期刊论文
作者: 农艺,唐忠
关键词: 电子商务系统,用户个体性特征,数据挖掘,信任度评价,推荐算法
来源: 微型电脑应用 2019年11期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 广西医科大学信息与管理学院
基金: 广西云计算与大数据协同创新中心研究课题(YF16201)
分类号: TP391.3
页码: 27-29
总页数: 3
文件大小: 490K
下载量: 234