一种基于用户兴趣概念格的推荐评分预测方法

为了解决传统的基于协同过滤推荐算法中存在的数据稀疏的问题,本文提出了一种基于用户兴趣概念格的推荐评分预测(RRP-UICL)方法.该方法首先通过用户兴趣概念格将"最近邻"分为直接"最近邻"和间接"最近邻"两类.然后采用不同方法分别计算直接"最近邻"和间接"最近邻"与目标用户的相似度.最后,通过相似度值计算目标用户的不可见项目评分值.在两个稀疏噪声数据集上进行了实验,实验结果表明,在数据稀疏的情况下,该方法具有更好的预测精度和良好的性能.

基于概念格的稀疏数据协同过滤校正自然噪声方法

针对推荐系统中存在的自然噪声问题,提出一种基于概念格的稀疏数据协同过滤校正自然噪声的方法.首先将用户和项目划分为强、平均和弱三类检测自然噪声,然后采用基于概念格的稀疏数据协同过滤校正这些自然噪声,最后从获得的无自然噪声数据集中预测未评级的项目.在含自然噪声的数据集上进行实验的结果表明,该方法具有较高的推荐精度,且在数据稀疏的情形下仍具有良好的性能.

现代数学课程教学改革之我见

数学课程改革对数学教师提出了更高更新的要求。数学是一门与实际生活紧密相连。与其他学科息息相关的学科。数学是基础教育阶段的一门主要课程，它的特点决定了对开发学生的智力、发展创新思维能力具有独特的作用。作为数学教师。要适应时代要求，顺应教育的发展，抛弃旧有的观念和模式，不断更新观念，解放思想，勇于探索、开拓，让学生真正成为数学活动的主人，真正成为有学习能力的人，真正成为能获取自主成长能力的人，从而造就出有发现力、创造力的人才。