JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

协同过滤在知识推荐中的应用

马彩娟 曹林芬

马彩娟, 曹林芬. 协同过滤在知识推荐中的应用[J]. 轻工学报, 2013, 28(5): 50-53. doi: 10.3969/j.issn.2095-476X.2013.05.012
引用本文: 马彩娟, 曹林芬. 协同过滤在知识推荐中的应用[J]. 轻工学报, 2013, 28(5): 50-53. doi: 10.3969/j.issn.2095-476X.2013.05.012
MA Cai-juan and CAO Lin-fen. Application of collaborative filter in knowledge recommendation[J]. Journal of Light Industry, 2013, 28(5): 50-53. doi: 10.3969/j.issn.2095-476X.2013.05.012
Citation: MA Cai-juan and CAO Lin-fen. Application of collaborative filter in knowledge recommendation[J]. Journal of Light Industry, 2013, 28(5): 50-53. doi: 10.3969/j.issn.2095-476X.2013.05.012

协同过滤在知识推荐中的应用

  • 基金项目: 河南省科技厅重点科技攻关项目(112102210199)

  • 中图分类号: TP311

Application of collaborative filter in knowledge recommendation

  • Received Date: 2013-03-21
    Available Online: 2013-09-15

    CLC number: TP311

  • 摘要: 将电子商务中的协同过滤推荐算法改进之后应用到知识推荐系统中,通过计算学习者的学习目标、学习背景和认知能力等信息的相似性进行用户聚类,然后使用协同过滤算法对相同聚类簇内的用户进行学习资源的推荐.实验结果表明,该方法可提高推荐的准确度和推荐效率,增强学习者满意度;传统协同过滤推荐中的新用户问题、实时性问题在知识推荐过程中也同样存在,具体解决方法将作为未来研究的主要内容.
    1. [1]

      张建栋杨忠泮吴恋恋徐大勇朱萍张雯晶堵劲松 . 基于高光谱成像及机器学习的烟叶糖料液施加量判别模型. 轻工学报, 2024, 39(5): 86-94. doi: 10.12187/2024.05.010

  • 加载中
计量
  • PDF下载量:  20
  • 文章访问数:  692
  • 引证文献数: 0
文章相关
  • 收稿日期:  2013-03-21
  • 刊出日期:  2013-09-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
马彩娟, 曹林芬. 协同过滤在知识推荐中的应用[J]. 轻工学报, 2013, 28(5): 50-53. doi: 10.3969/j.issn.2095-476X.2013.05.012
引用本文: 马彩娟, 曹林芬. 协同过滤在知识推荐中的应用[J]. 轻工学报, 2013, 28(5): 50-53. doi: 10.3969/j.issn.2095-476X.2013.05.012
MA Cai-juan and CAO Lin-fen. Application of collaborative filter in knowledge recommendation[J]. Journal of Light Industry, 2013, 28(5): 50-53. doi: 10.3969/j.issn.2095-476X.2013.05.012
Citation: MA Cai-juan and CAO Lin-fen. Application of collaborative filter in knowledge recommendation[J]. Journal of Light Industry, 2013, 28(5): 50-53. doi: 10.3969/j.issn.2095-476X.2013.05.012

协同过滤在知识推荐中的应用

  • 河南财经政法大学 数学与信息科学系, 河南 郑州 450002;
  • 河南师范大学 数学学院, 河南 新乡 453007
基金项目:  河南省科技厅重点科技攻关项目(112102210199)

摘要: 将电子商务中的协同过滤推荐算法改进之后应用到知识推荐系统中,通过计算学习者的学习目标、学习背景和认知能力等信息的相似性进行用户聚类,然后使用协同过滤算法对相同聚类簇内的用户进行学习资源的推荐.实验结果表明,该方法可提高推荐的准确度和推荐效率,增强学习者满意度;传统协同过滤推荐中的新用户问题、实时性问题在知识推荐过程中也同样存在,具体解决方法将作为未来研究的主要内容.

English Abstract

相关文章 (1)

目录

/

返回文章