Indexed by：
Abstract：
为了提高动态推荐效果,从时间个性化和连续性的角度出发,细化了签到用户的时间特征,利用灰关联分析度量时间向量的相似度,与矩阵分解算法结合,给出了一种新的矩阵分解算法.该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响.同时为了提高个性化推荐,采用 自适应核密度估计方法捕捉用户的空间偏好,增强用户的个性化体验,进而提高推荐质量.在此基础上,设计了一种新的兴趣点推荐算法.实验结果表明,该算法能有效地提高推荐准确率和召回率.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
系统工程与电子技术
ISSN： 1001-506X
Year： 2022
Issue： 6
Volume： 44
Page： 1934-1941
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
