10.3969/j.issn.1004-3918.2020.01.002
基于NKL和K-means聚类的协同过滤推荐算法
针对传统协同过滤推荐算法(CF)存在用户-项目矩阵稀疏以及推荐准确率较低等问题,提出了一种基于NKL和K-means聚类的协同过滤推荐算法(NKL-KM).首先,NKL-KM算法定义了一种新的相似性度量方法,该方法在进行相似性度量时考虑了各项目评分的分布以及评分值差异.其次,NKL-KM算法将K-means算法与CF算法结合,提高了推荐算法精度.最后,在MovieLens和Netflix数据集上进行算法对比实验,实验结果表明NKL-KM算法有较高的推荐精度.
协同过滤、推荐算法、矩阵稀疏、K-means、相似性度量
38
TP391(计算技术、计算机技术)
国家自然科学基金项目;山西省基础研究计划项目;山西省回国留学人员科研资助项目;山西省研究生教育改革项目;太原市科技计划研发项目
2020-04-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
6-12