计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
12期
219-222
,共4页
GIS%网格计算%GridGIS%协同过滤%增量算法
GIS%網格計算%GridGIS%協同過濾%增量算法
GIS%망격계산%GridGIS%협동과려%증량산법
GIS%Grid computing%GridGIS%Collaborative filtering%Incremental algorithm
空间数据的广泛应用需要高效的推荐系统来管理,以增加空间数据的可用性.用户协同过滤(CollaborativeFiltering)是推荐系统中发展最为迅速的方法之一,也是在电子商务领域应用最广泛的方法.在研究传统协同过滤算法的基础上提出了一种减轻数据稀疏性对推荐效果产生的负面影响的方法.提出了一种基于项目相似度的数据填充方法,其目的在于当原始数据集比较稀疏时为算法提供足够的数据支持.经实验证明,改进算法在空间数据集上比传统方法有更好的预测性能和运行效率.
空間數據的廣汎應用需要高效的推薦繫統來管理,以增加空間數據的可用性.用戶協同過濾(CollaborativeFiltering)是推薦繫統中髮展最為迅速的方法之一,也是在電子商務領域應用最廣汎的方法.在研究傳統協同過濾算法的基礎上提齣瞭一種減輕數據稀疏性對推薦效果產生的負麵影響的方法.提齣瞭一種基于項目相似度的數據填充方法,其目的在于噹原始數據集比較稀疏時為算法提供足夠的數據支持.經實驗證明,改進算法在空間數據集上比傳統方法有更好的預測性能和運行效率.
공간수거적엄범응용수요고효적추천계통래관리,이증가공간수거적가용성.용호협동과려(CollaborativeFiltering)시추천계통중발전최위신속적방법지일,야시재전자상무영역응용최엄범적방법.재연구전통협동과려산법적기출상제출료일충감경수거희소성대추천효과산생적부면영향적방법.제출료일충기우항목상사도적수거전충방법,기목적재우당원시수거집비교희소시위산법제공족구적수거지지.경실험증명,개진산법재공간수거집상비전통방법유경호적예측성능화운행효솔.
