导读:本文包含了项目属性特征论文开题报告文献综述及选题提纲参考文献，主要关键词:电子商务系统,协同过滤推荐算法,用户特征,项目属性
项目属性特征论文文献综述
段立峰[1]（2018）在《用户特征和项目属性相融合的协同过滤推荐算法》一文中研究指出协同过滤推荐算法是电子商务中的一研究重要研究方向,当前协同过滤推荐算法存在推荐精度低、冷启动等难题。为了改善协同过滤推荐的效果,设计了用户特征和项目属性相融合的协同过滤推荐算法。对当前协同过滤推荐算法的研究现状进行分析,找出它们存在不足的原因,根据用户特征和项目属性对评分相似度进行估计,并根据估计得到协同推荐的结果,选择MovieLens数据集对协同过滤推荐算法的性能进行了分析。结果表明,较好的解决了当前协同过滤推荐算法存在的局限性,提高了协同过滤推荐的精度,具有更好的实际应用价值。(本文来源于《微型电脑应用》期刊2018年04期）
潘峰,怀丽波,崔荣一[2]（2017）在《融合项目属性特征的SVD协同过滤推荐算法研究》一文中研究指出针对协同过滤方法中用户-项目评分矩阵的极端稀疏性问题,提出了一种基于层次的混合推荐方法.首先利用TF-IDF提取项目属性特征,并利用余弦相似度对评分矩阵的缺失值进行填充;然后通过对填充的矩阵做SVD,寻找隐性特征,建立隐语义模型;最后将本文的算法分别与众数填充和无填充模型进行对比实验,结果表明本文提出的方法有效提高了推荐的精度.(本文来源于《延边大学学报(自然科学版)》期刊2017年04期）
高良友,黄梦醒[3]（2015）在《综合用户特征和项目属性的协作过滤推荐算法改进》一文中研究指出在综合用户特征和项目属性的协作过滤推荐算法的基础上,提出了一种改进的基于综合用户特征和项目属性的协作过滤推荐算法,分析不同用户群体对不同项目属性的普遍评分,并结合已评分的项目属性,预测未评分项目.仿真结果表明,改进算法比原算法具有更高的推荐精准度,并进一步降低数据集的稀疏性和缓解冷启动问题.(本文来源于《海南大学学报(自然科学版)》期刊2015年02期）
孙龙菲,黄梦醒[4]（2014）在《综合用户特征和项目属性的协作过滤推荐算法》一文中研究指出通过分析传统协作过滤推荐算法面临的数据集稀疏性问题及当前解决方法的优缺点,在基于项目的协作过滤推荐算法的基础上,提出了一种综合用户特征和项目属性的协作过滤推荐算法。通过分析不同特征的用户对项目的各种属性的兴趣度,综合已评分的项目属性预测未评分项目,降低数据集的稀疏性,提高项目相似度计算的准确性。在MovieLens数据集上的实验结果表明,在数据极端稀疏的情况下,能够有效地降低数据集稀疏性,并在一定程度上缓解了协作过滤推荐算法中的冷启动问题,提高了推荐算法的预测准确度。(本文来源于《计算机应用研究》期刊2014年02期）
鱼飞,曾玉华,刘阳,许万林[5]（2011）在《论介质对抗类项目的本质特征与文化属性——球类运动的文化原理》一文中研究指出从体育文化的"超越"本质和项目的"对抗"属性出发,提出了介质对抗类项目的概念,确定了球类运动的归属。从球类项目的物质规定性出发,以"对称破缺"理论为工具探讨了介质对抗类项目的本质特征与文化属性。研究表明,球体因其"最完美"的对称结构而具有"最稳定"的动力学特征,成为对抗"最广泛"的介质;球类活动具有对抗的介质性、评判标准的非尺度性、行动过程的复杂性等派生属性;球类活动目标指向介质物,客观上具有提高人类认识与改造自然的能力。作者建议,球类的价值研究属于"求善"的范畴,不应纳入"求真"的认识论领域。(本文来源于《北京体育大学学报》期刊2011年08期）
陈志敏,李志强[6]（2011）在《基于用户特征和项目属性的协同过滤推荐算法》一文中研究指出在数据极度稀疏的环境下,仅仅依赖用户直接评分数据的传统协同过滤算法无法取得满意的推荐质量。提出基于用户特征和项目属性的协同过滤算法,在用户相似性计算过程中引入时间相关的兴趣度,使得最近邻的确定更加准确;预测评分时,通过衡量用户信任度来体现各邻居对目标用户最终推荐的贡献程度,并以用户对项目属性的偏好度代替评分数据对新项目进行推荐。基于MovieLens数据集进行的实验结果表明,改进后的算法有效解决了系统冷启动问题,明显提高了系统推荐的准确度。(本文来源于《计算机应用》期刊2011年07期）
廖新考[7]（2010）在《基于用户特征和项目属性的混合协同过滤推荐》一文中研究指出协同过滤技术在电子商务领域里已经得到广泛的研究和应用,但是传统的协同过滤方法的精确性问题以及数据稀疏性问题,严重影响了最终的推荐质量。针对这些问题,本文提出一种结合用户特征和项目属性的混合协同过滤方法。该方法不但能够继承基于用户协同过滤奇异性发现的优点,还能够缓解稀疏性问题,同时提高推荐精度。实验结果表明,本文所提出的方法明显优于传统的基于用户和项目的协同过滤方法,产生的推荐结果更加准确。(本文来源于《福建电脑》期刊2010年07期）
项目属性特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对协同过滤方法中用户-项目评分矩阵的极端稀疏性问题,提出了一种基于层次的混合推荐方法.首先利用TF-IDF提取项目属性特征,并利用余弦相似度对评分矩阵的缺失值进行填充;然后通过对填充的矩阵做SVD,寻找隐性特征,建立隐语义模型;最后将本文的算法分别与众数填充和无填充模型进行对比实验,结果表明本文提出的方法有效提高了推荐的精度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
项目属性特征论文参考文献
[1].段立峰.用户特征和项目属性相融合的协同过滤推荐算法[J].微型电脑应用.2018
[2].潘峰,怀丽波,崔荣一.融合项目属性特征的SVD协同过滤推荐算法研究[J].延边大学学报(自然科学版).2017
[3].高良友,黄梦醒.综合用户特征和项目属性的协作过滤推荐算法改进[J].海南大学学报(自然科学版).2015
[4].孙龙菲,黄梦醒.综合用户特征和项目属性的协作过滤推荐算法[J].计算机应用研究.2014
[5].鱼飞,曾玉华,刘阳,许万林.论介质对抗类项目的本质特征与文化属性——球类运动的文化原理[J].北京体育大学学报.2011
[6].陈志敏,李志强.基于用户特征和项目属性的协同过滤推荐算法[J].计算机应用.2011
[7].廖新考.基于用户特征和项目属性的混合协同过滤推荐[J].福建电脑.2010