基于人工蜂群的移动终端大数据半监督推荐

摘要：

传统移动终端大数据推荐算法无法获取数据项目类间与类内分布信息熵,样本标记出现偏差,导致推荐精度偏低,用户满意度偏低.提出移动终端大数据半监督推荐算法.结合项目评分矩阵和属性矩阵,运算用户偏好权值,引入信息熵概念,获取项目属性类间与类内分布信息熵.构建用户偏好模型,确定聚类目标函数.利用人工蜂群半监督算法,通过标记与未标记样本,优化目标函数;选取最佳聚类中心,使用余弦法计算具有相同偏好用户间的相似度,确定近邻数量.采用加权平均值实现用户对所有项目评分,并按从高到低的顺序对评分结果排序,将得分靠前的项目推荐给用户.仿真结果证明,上述方法下大数据聚类结果精确,可避免陷入局部最优,且大数据推荐误差低,提高了用户满意度.

关键词：移动终端大数据、半监督学习算法、人工蜂群算法、目标函数、加权平均值

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;新疆维吾尔自治区教育厅项目;疆大学博士科研启动基金项目

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：497-501