基于模糊聚类和改进混合蛙跳的协同过滤推荐

摘要：

由于传统的协同过滤推荐算法存在很多缺陷,如数据稀疏性、冷启动、低推荐精度等,提出了一种基于模糊聚类和改进混合蛙跳的协同过滤推荐算法.首先利用一种构造的基于时间的指数遗忘函数对原始评分数据进行处理;然后根据得到的基于时间衰退的评分矩阵对用户进行模糊C-均值(FCM)聚类,并找出与目标用户有较高相似性的前几个类作为候选邻居集;再用改进的混合蛙跳算法找到最近邻居集;最后求出目标用户对未参与项目的预测评分.经实验证明,该算法比其他一些算法的推荐精度要高,且由于数据稀疏性引起的不良影响也得到了有效的缓解.

关键词：协同过滤推荐、指数遗忘函数、模糊C-均值聚类、混合蛙跳算法

所属期刊栏目：35

分类号：TP301.6(计算技术、计算机技术)

资助基金：河北省自然科学基金资助项目F2015202214;河北省科技计划资助项目15210506;天津市自然科学基金资助项目16JCQNJC00400

在线出版日期：2018-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2908-2911