多源数据融合的协同过滤算法研究

协作过滤算法（CF）在推荐系统中难以处理数据的稀疏性和可伸缩性问题。本文提出了基于类别偏好Canopy-K-means的协同过滤算法（CPCKCF），设计了用户项类别偏好比率（UICPR）的定义，并用来计算UICPR矩阵。将Canopy算法作为CPCKCF的前置算法，并将输出作为K-means算法的输入，其结果用于用户数据进行聚类并找到最近的用户以获得预测得分，使用MovieLens数据集进行的实验结果表明，与传统的基于用户的协作过滤算法相比，所提出的CPCKCF算法将计算效率和推荐精度提高了2.81%。

硕士论文，Netflix数据集上的协同过滤算法

matlab矩阵细分的过滤协同推荐代码SCoR 推荐系统 MATLAB代码： 基于综合坐标的推荐系统 这是 SCoR 方法 [1] 的实现。 SCoR 是一种基于合成坐标的推荐系统，其性能优于该领域最流行的算法技术，如矩阵分解和协同过滤等方法。 更多详细信息可以在 和 中找到 您只能将其用于非商业目的。 如果您在工作中引用我们的论文 [1]，我们将不胜感激： .java 文件的代码由 H. Papadakis 编写。 [1] H. Papadakis、C. Panagiotakis 和 P. Fragopoulou，SCoR：基于合成坐标的推荐系统，具有应用程序的专家系统，卷。 79，第 8-19 页，2017 年。

包含项目完整源代码和电影数据集，代码大部分标有注释。 内附答辩PPT和项目文档以及操作说明文本。

基于蚁群模糊聚类的协同过滤推荐算法.pdf

结合用户聚类和项目类型的协同过滤算法.pdf

基于信任和图聚类的协同过滤推荐算法.pdf

基于Hadoop平台的聚类协同过滤推荐方法研究.pdf