计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2012年
4期
1364-1367
,共4页
电子商务推荐方法%协同过滤%径向基函数%模糊自适应
電子商務推薦方法%協同過濾%徑嚮基函數%模糊自適應
전자상무추천방법%협동과려%경향기함수%모호자괄응
针对协同过滤推荐算法面临数据稀疏特征时推荐效果较差,存在冷启动、稀疏性、可扩展性等问题,提出应用径向基函数神经网络(RBFN)去解决传统协同过滤的缺点,有效地对稀疏性数据进行平滑处理,得到消除稀疏性后的完全评价矩阵.并提出通过模糊自适应共振神经网络对用户相似性聚类进行改进,进行实时推荐.实验评价结果表明,该方法与传统协同过滤推荐方法相比,无论在推荐精度还是推荐相关性上都更为有效.
針對協同過濾推薦算法麵臨數據稀疏特徵時推薦效果較差,存在冷啟動、稀疏性、可擴展性等問題,提齣應用徑嚮基函數神經網絡(RBFN)去解決傳統協同過濾的缺點,有效地對稀疏性數據進行平滑處理,得到消除稀疏性後的完全評價矩陣.併提齣通過模糊自適應共振神經網絡對用戶相似性聚類進行改進,進行實時推薦.實驗評價結果錶明,該方法與傳統協同過濾推薦方法相比,無論在推薦精度還是推薦相關性上都更為有效.
침대협동과려추천산법면림수거희소특정시추천효과교차,존재랭계동、희소성、가확전성등문제,제출응용경향기함수신경망락(RBFN)거해결전통협동과려적결점,유효지대희소성수거진행평활처리,득도소제희소성후적완전평개구진.병제출통과모호자괄응공진신경망락대용호상사성취류진행개진,진행실시추천.실험평개결과표명,해방법여전통협동과려추천방법상비,무론재추천정도환시추천상관성상도경위유효.
