Indexed by：
Abstract：
为了提高动态推荐效果，从时间个性化和连续性的角度出发，细化了签到用户的时间特征，利用灰关联分析度量时间向量的相似度，与矩阵分解算法结合，给出了一种新的矩阵分解算法。该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响。同时为了提高个性化推荐，采用自适应核密度估计方法捕捉用户的空间偏好，增强用户的个性化体验，进而提高推荐质量。在此基础上，设计了一种新的兴趣点推荐算法。实验结果表明，该算法能有效地提高推荐准确率和召回率。
Keyword：
Reprint 's Address：
Email：
Source ：
系统工程与电子技术
Year： 2022
Issue： 06
Volume： 44
Page： 1934-1941
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
