基于用户的协同过滤算法-UserCF流程图.docx
-
资源ID：6680215
资源大小：96.94KB
全文页数：4页
- 资源格式： DOCX
下载积分：5金币
|
友情提示
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。
5、试题试卷类文档，如果标题没有明确说明有答案则都视为没有答案，请知晓。
|
基于用户的协同过滤算法-UserCF流程图.docx
UserCF算法主要流程：主要全局变量：constintusersum=6040;用户总数constintitemsum=3952;工程总数constintN=10;为用户推荐前N个物品inttrainuserusersumitemsumHO;训练集合useritemrate矩阵inttestusersumitemsum-O;测试集合useritemrate矩阵struct_simidoublevalue;/相似值intnum;"相似用户号；_simisimiUserusersumusersum;排序后的相似性矩阵doubletrainuserltemusersumitemsum=O.O;/useritem兴趣程度矩阵intrecommedusersumN=0;/为每个用户推荐N个物品拆分数据集函数intSplitData(intm,intk)主要流程:将数据集拆分为测试集test和训练集trainuser,其中Vm为测试集,取不同的k<=m-l值在相同的随即种子下可得到不同的测/训集合计算用户之间相似度函数doubleSimility(int*Ua,int*Ub)主要流程：计算用户Ua和Ub的相似性，返回值为Ua和Ub的相似度函数intsort(double*simArr,_simi*simStruct)主要流程:根据相似性由高到低排序，每行第一个是自三用户相似性矩阵排序用户i对物品j预测兴趣程度函数doublegetllserLikeltem(inti,intj,intk)主要流程:利用k个最近邻来计算推荐函数intgetRecommend()主要流程：通过物品兴趣程度，推荐前N个
