基于综合兴趣度的协同过滤推荐算法

针对传统协同过滤方法难以准确确定目标用户的最近邻居且推荐质量不高的问题,提出综合兴趣度的概念。综合兴趣度是对用户兴趣的完整描述,在此基础上给出一种新颖的基于综合兴趣度的协同过滤算法。实验结果表明,该算法可以提高最近邻居计算的准确性,进而提高推荐质量。

基于游客综合兴趣度的旅游景点推荐

为了从大量的信息中检索出符合用户偏好和需求的旅游资源,文中提出了综合兴趣度的概念,综合兴趣度是对用户兴趣的完整描述。在此基础上给出一种基于用户综合兴趣度的推荐方法。将用户主动提供的兴趣倾向与用户的浏览行为相结合,分析其综合兴趣。依据与目标用户兴趣相似的邻居用户对景点的评分信息预测用户对待推荐景点的评分,并选择预测评分处于前N位的景点进行推荐。

基于用户浏览兴趣的路径发现模型的探究

频繁浏览模式发现是模式发现的一种主要的方法,关键技术难点是如何根据用户的浏览行为、浏览兴趣发现用户的兴趣浏览模式。提出了一种根据用户的兴趣和喜好,挖掘出用户兴趣路径浏览模型和算法,使web服务器能更快的反馈信息,为用户提供更好的信息服务。

针对街头场景的女衬衫个性化推荐

为满足消费者在街头场景下对女衬衫的特殊需求,优化购物体验,提高购物效率,采用问卷调研和图片分析法获取数据,对所得女衬衫属性的偏好信息进行梳理分析。以综合兴趣度为判断指标,建女衬衫的个性化推荐模型,并通过情景实验对推荐模型进行可行性验证。结果表明:模型的验证准确率为83.7%,远高于淘宝推荐的准确率48.3%,该研究方法为针对其他场景的服装个性化推荐提供参考。