10.16208/j.issn1000-7024.2018.01.017
结合拓扑势用户聚类的协同过滤推荐算法
针对传统协同过滤算法中数据稀疏造成推荐准确度低以及K-means聚类算法需要预先确定聚类个数的问题,提出自适应K-means聚类算法(SKCA).引入物理学中的拓扑势场理论,利用拓扑势值进行用户重要性表示并获得用户影响范围,结合改进K-means算法完成用户聚类并得到各类代表用户,目标用户通过与各代表用户进行用户相似度计算确定最优代表用户,在最优代表用户场域内使用协同过滤算法进行推荐.与其它算法对比的实验结果表明,SKCA在准确率、F值及运行效率上都有提升,有效缓解了数据稀疏的影响.
协同过滤、数据稀疏、K-means聚类、拓扑势、用户相似度
39
TP391.1(计算技术、计算机技术)
国家自然科学基金项目61603065;教育部人文社科青年基金项目16YJC860010;重庆市社会科学规划博士基金项目2015BS059
2018-04-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
90-95