协同过滤推荐研究综述

被引：30

作者：

奉国和

梁晓婷

机构：

[1] 华南师范大学经济管理学院信息管理系

来源：

图书情报工作 | 2011年 / 55卷 / 16期

关键词：

电子商务; 推荐系统; 个性化; 协同过滤;

D O I：

暂无

中图分类号：

G201 [信息理论];

学科分类号：

摘要：

针对传统协同过滤算法的局限性,探讨目前的各种改进思路,主要结合聚类、关联规则、贝叶斯、神经网络、云模型、维数简化、对等网等技术进行改进,重点评述改进现状和存在的问题,并归纳推荐系统的评估方法,最后对协同过滤推荐的未来进行展望。

引用

页码：126 / 130

页数：5

共 29 条

[1] 基于云模型的项目评分预测推荐算法 [J].

徐德智 ;

李小慧 .

计算机工程, 2010, 36 (17) :48-50

[2] 基于奇异值分解的协同过滤推荐算法研究 [J].

朱敏 ;

苏博 .

计算机安全, 2010, (07) :20-21

[3] 基于朴素贝叶斯方法的协同过滤推荐算法 [J].

李大学 ;

谢名亮 ;

赵学斌 .

计算机应用, 2010, 30 (06) :1523-1526

[4] 基于动态贝叶斯网络的协同过滤推荐方法 [J].

赵永梅 ;

任大勇 .

黑龙江科技信息, 2010, (14) :39+148-39

[5] 自适应人工免疫网络在协同过滤推荐中的应用 [J].

张建林 ;

付春娟 ;

于淑花 .

计算机工程与设计, 2010, 31 (05) :1042-1044+1107

[6] 基于BP神经网络的协作过滤推荐算法 [J].

张磊 ;

陈俊亮 ;

孟祥武 ;

沈筱彦 ;

段锟 .

北京邮电大学学报, 2009, 32 (06) :42-46

[7] 基于贝叶斯理论的协同过滤推荐算法 [J].

孟宪福 ;

陈莉 .

计算机应用, 2009, 29 (10) :2733-2735

[8] 个性化推荐系统评价方法综述 [J].

刘建国 ;

周涛 ;

郭强 ;

汪秉宏 .

复杂系统与复杂性科学, 2009, 6 (03) :1-10

[9] 基于项目特征聚类的协同过滤推荐算法 [J].

翁小兰 ;

庄永龙 .

计算机应用与软件, 2009, 26 (07) :260-262

[10] 基于用户聚类的协同过滤推荐方法 [J].

查文琴 ;

梁昌勇 ;

曹镭 .

计算机技术与发展, 2009, 19 (06) :69-71+75

← 1 2 3 →