针对协同过滤推荐算法面对的数据稀疏性问题，《推荐系统关键技术的研究》分别采用数据填充方法、融合信任的概率矩阵分解模型、融合用户评分信息和项目评论特征的深度学习模型进行分析解决。针对协同过滤推荐算法面对的冷启动问题，《推荐系统关键技术的研究》分别采用K-means聚类算法与基于优化的遗传算法的K-means聚类混合算法进行分析解决。针对协同过滤推荐算法面对的扩展性问题，《推荐系统关键技术的研究》采用基于Hadoop平台MapReduce分布式计算、HDFS分布式存储模型进行算法并行化处理。同时，在真实的数据集上通过实验验证上述模型与算法的可行性与有效性。

《推荐系统关键技术的研究》共分为6章，包括推荐系统、数据填充方法、K-means聚类算法、基于混合算法的推荐系统、基于信任关系的推荐系统和融合多源数据的推荐系统。

《推荐系统关键技术的研究》可作为推荐系统研究方向高年级本科生和研究生的教材，也可供相关领域的技术人员和科研工作者阅读参考。

根据中华人民共和国国家版权局相关法规，本站不提供该PDF电子版书籍
您可以进入交流社群中继续寻找资料或购买正版书籍

技术交流社群：//gulass.cn/club

Linux书籍在线阅读：//gulass.cn/chapter-00.html

本文原创地址：//gulass.cn/of-recommendation-systems.html编辑：王艳敏，审核员：KSJXAXOAS