初始聚类中心优化的K-均值项目聚类推荐算法

摘要：

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。

关键词：协同过滤推荐、初始聚类中心优化、K-均值聚类

分类号：TP311;O235(计算技术、计算机技术)

在线出版日期：2014-08-21（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：203-207