数据缺失下的IFRSIFCM协同过滤推荐算法

摘要：

为了进一步提高协同过滤算法的精确性,更好地满足用户需求、进行商品推荐,针对传统推荐算法存在的缺失数据和模糊性问题,构建了直觉模糊粗糙集和基于目标函数的直觉模糊C均值聚类相结合的协同过滤推荐算法(IFRSIFCM-CF).算法首先运用直觉模糊粗糙集对缺失数据进行处理,并计算直觉模糊数;其次用密度函数初始化聚类中心,并通过直觉模糊C均值聚类找到目标用户所在聚类类别;最后用特征系数代替传统相似系数来确定邻居集,用优先关系定序法代替传统的推荐算法形成推荐列表.在MovieLens与Jester数据集上对算法进行有效性检验,实验结果表明所提算法能够有效解决数据缺失问题并提高推荐精度.

关键词：模糊C均值聚类、协同过滤推荐算法、直觉模糊粗糙集、缺失数据

所属期刊栏目：29

分类号：TP391.3(计算技术、计算机技术)

资助基金：教育厅青年项目LJ2019QL022

在线出版日期：2022-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：542-550