基于云模型的时间修正协同过滤推荐算法

针对传统的协同过滤推荐系统存在的数据稀疏性和忽略时间影响的问题,本文提出了基于云模型的时间修正协同过滤推荐算法,利用云模型建立用户对项目特征属性的偏好度,并建立指数时间函数对项目的评分相似度沿时间维加以修正。算法采用美国GroupLens项目组提供的数据集进行实验。结果表明,该算法使得项目的评分相似度度量更趋准确,系统推荐质量有较明显的提高。

协同过滤推荐方法在新媒体领域中的应用

随着新媒体的发展,我们会获得越来越多的数据,这些大数据对于用户有什么作用,而我们又将怎么利用这些大数据呢?本文通过协同过滤推荐方法来介绍推荐系统在新媒体领域中的应用。推荐系统作为数据挖掘的一个重要应用形式,未来在IPTV、视频网站、电子商务等领域将会起到重要的作用,对于提升用户体验,增强用户粘度也非常重要。

基于智慧旅游的智能景区导览系统研究与设计

智慧旅游是旅游发展的必然趋势,它将计算机信息技术和旅游业的发展相结合.智能景区导览系统则是通过游客的移动终端机获取到自带的GPS定位系统来获得到游客的位置信息,并将该信息实时的传递给电子地图,且能将该位置标注在电子地图中.景区导览系统应用最近邻用户推荐算法实现路线的推荐功能.这就能够为游客提供精确的地图导航功能,并实现自主式游览,以此来满足游客的个性化需求以及满意度。

协同过滤推荐方法在新媒体领域中的应用

随着信息技术的发展，传统广电正逐步向新媒体转型。相对于传统广电单向广播式的播出收看模式以及播出内容的匮乏，新媒体；悔会面对海量的信息处理，用户可以选择自己喜欢的电视节目，搜索过去的视频内容。在面对海量的数据的时候，系统如何能够正确地筛选并且过滤，成为衡量系统好坏的一个重要指标。