10.3969/j.issn.1006-2475.2021.01.014
融合用户模糊聚类和相似度的加权Slope One优化
在数据集稀疏的情况下传统的Slope One算法推荐效果差、精确度低,并且该算法对所有用户一视同仁,没有考虑用户间相似性和差异性的情况;同时,随着数据量越来越大,实时性也逐渐变差.针对以上问题,进行加权Slope One算法优化的研究.首先,利用模糊聚类技术将不同类型用户进行分类,减少最近邻搜索范围,降低计算复杂度;然后,对加权Slope One计算公式进行改进,在计算中引入皮尔逊相关系数加以限定;最后,在每个类簇中利用改进的加权Slope One算法进行用户评分预测,进而产生推荐集.实验表明,本文算法有效提高了推荐精确度,增强了推荐实时性.
协同过滤、加权SlopeOne算法、模糊聚类、推荐算法
TP391(计算技术、计算机技术)
中国电子科技集团公司第十五研究所创新基金项目020106
2021-02-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
70-75