Resumen

Este documento explora y estudia tecnologías de recomendación basadas en filtrado de contenido y filtrado colaborativo de usuarios, y propone un algoritmo de recomendación híbrido basado en filtrado de contenido y filtrado colaborativo de usuarios. Este método no solo aprovecha las ventajas del filtrado de contenido, sino que también puede llevar a cabo un filtrado de similitud para todos los elementos, especialmente cuando los elementos no son evaluados por ningún usuario, lo que puede ser filtrado y recomendado a los usuarios, evitando así el problema de nivel inicial. Al mismo tiempo, este método también aprovecha las ventajas del filtrado colaborativo. Cuando el número de usuarios y niveles de evaluación son grandes, la matriz de datos de calificación de usuarios de predicción de filtrado colaborativo se vuelve relativamente densa, lo que puede reducir la dispersión de la matriz y hacer que el filtrado colaborativo sea más preciso. De esta manera, el rendimiento del sistema se mejorará enormemente a través de la integración de ambos. Sobre la base del algoritmo de filtrado colaborativo mejorado, se propuso un algoritmo hí

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Tecnologías de recomendación; Filtrado de contenido; Filtrado colaborativo; Algoritmo de recomendación híbrido; Matriz de datos de calificación de usuarios; Escasez de datos
• Keywords:Recommendation technologies; Content filtering; Collaborative filtering; Hybrid recommendation algorithm; User rating data matrix; Data sparsity