10.3969/j.issn.2095-5839.2014.03.013
初始聚类中心优化的K-均值项目聚类推荐算法
针对协同过滤推荐系统存在的数据稀疏性和扩展性差问题,提出了初始聚类中心优化的K-均值项目聚类推荐算法。该算法首先采用SlopeOne方法对评分矩阵预测填充来缓解数据稀疏性,然后采用初始聚类中心优化的K-均值算法对项目进行聚类,将相似度高的项目聚到同一个类中,最后根据目标项目所在的聚类搜索其最近邻并产生推荐。实验结果表明,该算法有效改善了数据的稀疏性和扩展性,提高了推荐质量。
协同过滤推荐、初始聚类中心优化、K-均值聚类
TP311;O235(计算技术、计算机技术)
2014-08-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
203-207