期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
SVDSLIM推荐算法研究
1
作者
周亚运
李慧慧
《信息通信》
2018年第2期9-10,共2页
Pure SVD推荐算法通过重构分解矩阵而获得推荐结果,稀疏线性(SLIM)算法侧重于通过挖掘物品之间的线性关系而产生推荐效果。为了提高Top-N推荐质量,文章提出了一种基于Pure SVD、SLIM的混合推荐算法—SVDSLIM算法。该算法会对Pure SVD、S...
Pure SVD推荐算法通过重构分解矩阵而获得推荐结果,稀疏线性(SLIM)算法侧重于通过挖掘物品之间的线性关系而产生推荐效果。为了提高Top-N推荐质量,文章提出了一种基于Pure SVD、SLIM的混合推荐算法—SVDSLIM算法。该算法会对Pure SVD、SLIM算法的推荐结果赋予不同的权重,然后将处理过的推荐结果作为新的推荐列表。实验结果表明,SVDSLIM算法在各种数据集上推荐质量要优于其他算法。
展开更多
关键词
稀疏线性
svdslim
算法
Top-N推荐
下载PDF
职称材料
题名
SVDSLIM推荐算法研究
1
作者
周亚运
李慧慧
机构
三峡大学计算机与信息学院
出处
《信息通信》
2018年第2期9-10,共2页
文摘
Pure SVD推荐算法通过重构分解矩阵而获得推荐结果,稀疏线性(SLIM)算法侧重于通过挖掘物品之间的线性关系而产生推荐效果。为了提高Top-N推荐质量,文章提出了一种基于Pure SVD、SLIM的混合推荐算法—SVDSLIM算法。该算法会对Pure SVD、SLIM算法的推荐结果赋予不同的权重,然后将处理过的推荐结果作为新的推荐列表。实验结果表明,SVDSLIM算法在各种数据集上推荐质量要优于其他算法。
关键词
稀疏线性
svdslim
算法
Top-N推荐
Keywords
sparse linear method
svdslim algorithm
Top N recommender system
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
SVDSLIM推荐算法研究
周亚运
李慧慧
《信息通信》
2018
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部