基于模糊聚类和Slope One填充的推荐算法
传统的推荐算法受限于其数据密度低,矩阵规模大进而导致的计算复杂、实时性差且推荐精度低.针对这一问题,设计了一种结合模糊聚类和Slope One填充的推荐方法.算法根据用户的特征进行模糊聚类,利用加权Slope One算法填充c个规模较小的用户-项目矩阵中的缺失数据,并通过改进的相似度计算方法计算出用户间的相似度得出最近邻结果集.仿真对比实验表明,设计的算法对比传统的推荐算法在精度上有着很大提升,同时能缓解数据稀疏性,提升推荐质量.
协同过滤、模糊聚类、Slope One、相似度
18
TP391(计算技术、计算机技术)
国家自然科学基金61300001
2022-05-30（万方平台首次上网日期，不代表论文的发表时间）
共4页
68-70,83
