摘要
为提升个性化推荐系统准确性与用户满意度,设计了一种基于网络流量感知推荐算法。结合用户行为数据与实时网络流量分析方法,深入理解用户当前与长期兴趣模式。通过融合常规个性化推荐算法(如基于内容推荐算法、协同过滤算法),设计了一个创新融合推荐算法模型。该模型不仅整合了传统推荐机制,还引入了对用户网络行为深度分析。实验结果表明,与传统推荐算法相比,本算法在提高推荐相关性与用户满意度方面取得了显著成效,特别是在处理动态变化用户兴趣和大规模数据集时表现更为突出。
出处
《信息记录材料》
2024年第6期176-178,共3页
Information Recording Materials
基金
2022年中国高校产学研创新基金—山石网科网络安全项目“高职信息安全技术应用专业基于‘现代学徒制’培养模式的课程体系设计与资源开发研究与实践”(2022HS002)。
