TY -的A2 Wang Wei盟——汉Kunni PY - 2020 DA - 2020/10/23 TI -个性化的新闻推荐和基于改进的协同过滤算法模拟SP - 8834908六世- 2020 AB -面对大量的在线新闻,公众通常难以快速地找到他们感兴趣的新闻。个性化推荐技术可以挖掘用户的兴趣点根据用户的行为习惯,从而推荐用户可能感兴趣的新闻。本文改进了数据预处理阶段和最近邻收集阶段的协同过滤算法。在数据预处理阶段,user-item评级矩阵是缓解其稀疏。介绍了标签因素和时间因素,使构建的用户偏好模型有更好的表达效果。寻找最近邻的阶段,协同过滤算法结合二分k - means算法,用户集群匹配目标用户选择的最近邻搜索范围设置,和相似性度量公式是改善。为了验证本文提出的算法的有效性,本文选择一组模拟数据来测试该算法的性能方面的平均绝对误差的建议,推荐准确率和召回率和比较它与基于用户的协同过滤推荐算法。模拟数据集,本文算法比传统算法在大多数用户。本文算法的稀疏矩阵分解降低数据稀疏的影响传统推荐算法,从而提高推荐算法的推荐准确率和召回率,减少推荐错误。SN - 1076 - 2787你——https://doi.org/10.1155/2020/8834908——10.1155 / 2020/8834908 JF - PB - Hindawi KW - ER -复杂性