10.3969/j.issn.1673-629X.2016.01.005
基于模糊C均值聚类有效性的协同过滤算法
针对电子商务系统中传统协同过滤算法普遍存在的稀疏性和扩展性问题,文中提出了基于模糊 C 均值聚类有效性的协同过滤算法。首先依据四种不同的聚类有效性函数确定合理的聚类数区间,并在合理聚类数区间中根据 Xie-Beni方法搜寻得到最佳的聚类数,然后使用最佳聚类数对项目进行模糊 C 均值聚类,将用户对单个项目的偏好转化为对相似群组的偏好,将稀疏的用户-项目偏好信息构造成密集的用户-模糊类的偏好信息,最后在项目所属类别中寻找目标用户的最近邻并产生推荐。在数据集 MovieLens 上与传统推荐算法相比的实验结果表明,新算法在平均绝对偏差、召回率、准确覆盖率等方面都有了较大改善,提高了推荐质量。
协同过滤、模糊C均值聚类算法、聚类有效性函数、最佳聚类簇数
TP391(计算技术、计算机技术)
国家自然科学基金资助项目11201290,61104042
2016-04-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
22-26,32