长春工业大学学报（自然科学版）
長春工業大學學報（自然科學版）
장춘공업대학학보（자연과학판）
JOURNAL OF CHANGCHUN UNIVERSITY OF TECHNOLOGY（NATURAL SCIENCE EDITION）
2006年
4期
354-358
,共5页
个性化推荐系统%协同过滤%相似性%推荐算法%平均绝对偏差
箇性化推薦繫統%協同過濾%相似性%推薦算法%平均絕對偏差
개성화추천계통%협동과려%상사성%추천산법%평균절대편차
分析了传统CF算法和基于项目评分的CF算法中存在的问题,对其相似性计算和推荐集选取方法进行了改进,并提出了一种优化的CF算法.实验结果表明,该算法同传统CF算法相比能显著提高推荐精度,同基于项目评分的CF算法相比能够有效减少计算复杂度.
分析瞭傳統CF算法和基于項目評分的CF算法中存在的問題,對其相似性計算和推薦集選取方法進行瞭改進,併提齣瞭一種優化的CF算法.實驗結果錶明,該算法同傳統CF算法相比能顯著提高推薦精度,同基于項目評分的CF算法相比能夠有效減少計算複雜度.
분석료전통CF산법화기우항목평분적CF산법중존재적문제,대기상사성계산화추천집선취방법진행료개진,병제출료일충우화적CF산법.실험결과표명,해산법동전통CF산법상비능현저제고추천정도,동기우항목평분적CF산법상비능구유효감소계산복잡도.
