计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
6期
276-278,299
,共4页
夏利民%赵业东%彭东亮%张伟
夏利民%趙業東%彭東亮%張偉
하이민%조업동%팽동량%장위
URP模型%K近邻%产生过程%Gibbs抽样
URP模型%K近鄰%產生過程%Gibbs抽樣
URP모형%K근린%산생과정%Gibbs추양
针对传统推荐系统中存在的冷开始和准确性等问题,提出了一种基于改进URP模型和K近邻的推荐方法.该方法利用改进的URP模型对用户和项目进行建模,可以有效地解决新用户的问题；并通过推荐项目的K近邻对预测等级进行优化,可以显著提高对新项目预测的准确性.实验结果表明,该方法可以有效地解决冷开始问题,并显著提高推荐结果的准确性.
針對傳統推薦繫統中存在的冷開始和準確性等問題,提齣瞭一種基于改進URP模型和K近鄰的推薦方法.該方法利用改進的URP模型對用戶和項目進行建模,可以有效地解決新用戶的問題；併通過推薦項目的K近鄰對預測等級進行優化,可以顯著提高對新項目預測的準確性.實驗結果錶明,該方法可以有效地解決冷開始問題,併顯著提高推薦結果的準確性.
침대전통추천계통중존재적랭개시화준학성등문제,제출료일충기우개진URP모형화K근린적추천방법.해방법이용개진적URP모형대용호화항목진행건모,가이유효지해결신용호적문제；병통과추천항목적K근린대예측등급진행우화,가이현저제고대신항목예측적준학성.실험결과표명,해방법가이유효지해결랭개시문제,병현저제고추천결과적준학성.
