混合粒子群遗传算法的协同过滤推荐模型
在处理大数据方面,协同过滤算法在用户相似度计算方面存在数据稀疏性和推荐效果不明显的问题.利用协同过滤算法的优点,引入时间模型和信任度模型进一步过滤,提高协同过滤算法的精确率;同时采用粒子群算法和分层遗传算法进行混合优化,分层遗传算法可弥补粒子群算法容易陷入局部最优的缺陷,粒子群算法可加快混合算法的收敛速度;在BookCrossing数据集上做推荐对比实验.结果表明,在得到最近邻用户群的基础上,使用粒子群算法和分层遗传算法进行资源推荐,相比其他资源推荐算法,提高了资源推荐的质量.
协同过滤、粒子群算法、分层遗传算法、混合优化、资源推荐
38
TP311(计算技术、计算机技术)
国家自然科学基金项目71471073;教育部重大支撑项目2013BAH30F00;湖北省高等学校省级教学研究项目ccnu201315;湖北省高等学校省级教学研究项目ccnu201439
2017-08-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
527-530