周高云
- 作品数：2 被引量：2H指数：1
- 供职机构：福州大学数学与计算机科学学院更多>>
- 发文基金：福建省科技创新平台建设项目福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种神经网络与用户偏好相结合的协同过滤推荐算法被引量：2
- 2016年
- 随着互联网服务和产品的大量增加,高效、可靠的推荐系统变得越来越重要。协同过滤是应用最广泛的推荐算法之一。传统的基于用户的协同过滤仅考虑共同评分的物品来计算用户的相似度,容易忽略用户之间的相关性。本文采用一种基于神经网络和用户偏好的协同过滤方法,首先通过聚类算法解决稀疏性问题,其次通过神经网络与用户偏好相结合来学习用户之间的相关性,最后利用训练后的多层神经网络来计算用户对物品的评分情况,来有效提高推荐效果。本文采用Each Movie数据来进行验证,并和现有的一些方法进行比较。实验结果表明,所推荐的协同过滤推荐算法在准确率、召回率、F1三个指标上均优于传统的方法,推荐效果比传统的方法好。
- 周高云张雅云陈冬隐程红举
- 关键词：神经网络用户偏好聚类协同过滤
- 基于改进RFM模型的协同过滤推荐算法
- 2016年
- 传统的协同过滤方法只利用用户的评分数据集,因此存在数据稀疏问题。为了解决稀疏问题,本文提出一种改进RFM模型的协同过滤方法。该方法首先把总利润率引进到RFM模型中,用总利润率代替传统的金额,得到一个改进后的模型-RFT模型,然后利用RFT模型得到一个新的用户-项目评分矩阵,最后利用得到的评分矩阵替代原始评分矩阵中的缺失项并使用协同过滤方法为用户做推荐。实验结果表明,该方法在召回率(recall)、准确率(precision)、F1三个指标上有较好的优势。
- 周高云谢榕芳陈冬隐
- 关键词：协同过滤
