排序方式： 共有2条查询结果，搜索用时 187 毫秒
1
1.
在推荐系统中,往往会存在数据的非实时性、稀疏性和冷启动性等问题,文中通过引入遗忘曲线来跟踪用户对资源偏好程度随时间变化情况,利用提出一种改进的K-Means聚类算法对用户集进行聚类,根据改进的个性化推荐算法对用户进行推荐,建立了一种基于动态时间的个性化推荐模型. 通过实验验证,文中提出的个性化推荐模型能够获取准确的用户偏好信息,并缓解冷启动问题,降低算法计算的时间空间复杂度,提高个性化推荐算法的推荐质量. 相似文献
2.
以电子政务云存储环境为背景,研究了已有迁移算法中用到的基本迁移因子,包括静态因素和动态因素.在计算迁移函数的M(d)值时引入数据关联度这一新的因子.得出新的数据迁移函数后,根据混合云的迁移算法设计出新的适合于电子政务云存储的迁移策略.新策略提高了数据的预计迁移值,降低大数据管理成本,对于准备采用云存储管理大数据的企业或相关部门有一定的参考价值. 相似文献
1