融合用户偏好优化聚类的协同过滤推荐算法

摘要：

提出一种融合用户偏好优化聚类的协同过滤推荐算法.首先利用RP-IIP算法形成细粒度用户-项目类型偏好矩阵,真实反映出用户兴趣偏好并缓解数据稀疏性;然后在该矩阵上利用蝙蝠优化的用户模糊聚类算法进行聚类,增强了用户的聚类效果并提高可扩展性,从隶属度较高的簇中选取目标用户的最近邻居,提高了最近邻选取的准确性;最后,建立用户加权相似度模型对目标用户进行评分预测并产生推荐,进一步提高推荐结果的准确性.实验结果表明,所提出的算法能够产生更好的推荐结果.

关键词：协同过滤、推荐系统、用户偏好、聚类

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;山西省自然科学基金项目

在线出版日期：2020-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：29-35