期刊导航
期刊开放获取
上海教育软件发展有限公..
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
2
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
基于径向基神经网络的新型协同过滤推荐算法
被引量：
5
1
作者
叶兰平
刘锋
朱二周
《计算机应用与软件》
CSCD
2016年第11期180-184,共5页
针对传统协同过滤推荐算法对目标用户的评分预测过于依赖邻近用户,而忽略目标用户自身评分特性的问题,提出一种改进的基于径向基RBF(Radial Basis Function)神经网络的预测方法。该方法首先使用RBF神经网络对邻近用户的项目评分数据进...
针对传统协同过滤推荐算法对目标用户的评分预测过于依赖邻近用户,而忽略目标用户自身评分特性的问题,提出一种改进的基于径向基RBF(Radial Basis Function)神经网络的预测方法。该方法首先使用RBF神经网络对邻近用户的项目评分数据进行模型训练,得到基于该用户的网络评分模型;然后结合目标用户自身的评分进行计算,得到一个基于该模型的评分;最后结合所有邻近用户的模型评分预测出目标用户对目标项目的最终评分。改进后的算法既借鉴了用户之间的相似性,也考虑了目标用户自身的评分特性。实验结果表明,改进后的协同过滤推荐算法可以获得比传统算法更好的推荐效果。
展开更多
关键词
协同过滤
评分
偏差
RBF神经网络
用户评分模型
在线阅读
下载PDF
职称材料
基于Spark架构的艺术学慕课资源协同过滤推荐算法研究
被引量：
3
2
作者
侯璐璐
《现代电子技术》
北大核心
2020年第3期162-164,168,共4页
传统资源协同过滤推荐算法MAE值偏高,因此提出基于Spark架构的艺术学慕课资源协同过滤推荐算法。采用分级响应形式,建立用户⁃资源评分关系模型,用户对资源的评分减掉该用户评分平均值,完成资源协同过滤相似度计算的优化,引入集成度高的S...
传统资源协同过滤推荐算法MAE值偏高,因此提出基于Spark架构的艺术学慕课资源协同过滤推荐算法。采用分级响应形式,建立用户⁃资源评分关系模型,用户对资源的评分减掉该用户评分平均值,完成资源协同过滤相似度计算的优化,引入集成度高的Spark架构,预测用户对资源的评分并生成推荐列表,实现艺术学慕课资源的精准推荐。经过与两种传统算法的对比实验结果可知,研究的算法在不同比例训练集和测试集的情况下,MAE值均低于两种传统方法,说明基于Spark架构的艺术学慕课资源协同过滤推荐算法推荐精度更高,性能更好。
展开更多
关键词
协同过滤推荐算法
Spark架构
艺术学慕课资源
用户
评分
预测
用户
⁃资源
评分
关系
模型
相似度计算
在线阅读
下载PDF
职称材料
题名
基于径向基神经网络的新型协同过滤推荐算法
被引量：
5
1
作者
叶兰平
刘锋
朱二周
机构
安徽大学计算机科学与技术学院
出处
《计算机应用与软件》
CSCD
2016年第11期180-184,共5页
基金
国家自然科学基金项目(61300169)
文摘
针对传统协同过滤推荐算法对目标用户的评分预测过于依赖邻近用户,而忽略目标用户自身评分特性的问题,提出一种改进的基于径向基RBF(Radial Basis Function)神经网络的预测方法。该方法首先使用RBF神经网络对邻近用户的项目评分数据进行模型训练,得到基于该用户的网络评分模型;然后结合目标用户自身的评分进行计算,得到一个基于该模型的评分;最后结合所有邻近用户的模型评分预测出目标用户对目标项目的最终评分。改进后的算法既借鉴了用户之间的相似性,也考虑了目标用户自身的评分特性。实验结果表明,改进后的协同过滤推荐算法可以获得比传统算法更好的推荐效果。
关键词
协同过滤
评分
偏差
RBF神经网络
用户评分模型
Keywords
Collaborative filtering
Rating deviation
RBF neural network
User rating data model
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于Spark架构的艺术学慕课资源协同过滤推荐算法研究
被引量：
3
2
作者
侯璐璐
机构
宝鸡文理学院
出处
《现代电子技术》
北大核心
2020年第3期162-164,168,共4页
文摘
传统资源协同过滤推荐算法MAE值偏高,因此提出基于Spark架构的艺术学慕课资源协同过滤推荐算法。采用分级响应形式,建立用户⁃资源评分关系模型,用户对资源的评分减掉该用户评分平均值,完成资源协同过滤相似度计算的优化,引入集成度高的Spark架构,预测用户对资源的评分并生成推荐列表,实现艺术学慕课资源的精准推荐。经过与两种传统算法的对比实验结果可知,研究的算法在不同比例训练集和测试集的情况下,MAE值均低于两种传统方法,说明基于Spark架构的艺术学慕课资源协同过滤推荐算法推荐精度更高,性能更好。
关键词
协同过滤推荐算法
Spark架构
艺术学慕课资源
用户
评分
预测
用户
⁃资源
评分
关系
模型
相似度计算
Keywords
collaborative filtering recommendation algorithm
Spark architecture
art MOOC resource
user scoring prediction
user⁃resource scoring relation model
similarity calculation
分类号
TN911.1-34 [电子电信—通信与信息系统]
TP319 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于径向基神经网络的新型协同过滤推荐算法
叶兰平
刘锋
朱二周
《计算机应用与软件》
CSCD
2016
5
在线阅读
下载PDF
职称材料
2
基于Spark架构的艺术学慕课资源协同过滤推荐算法研究
侯璐璐
《现代电子技术》
北大核心
2020
3
在线阅读
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
