基于匹配度和谱聚类的知识推荐研究

摘要：

为解决传统知识推荐领域存在的"重相似、轻关联"的问题,并进一步提升推荐精度,提出将相似度和关联度融合为知识匹配度的应对思路,并利用余弦相似度和 Apriori算法计算知识间匹配度;而后,通过谱聚类实施空间压缩以降低遍历时耗;最后,基于聚类结果和预测评分确定知识推荐范畴.采用 Movielens 数据集进行仿真模拟,结果表明,所提算法优于传统的 ICF算法和 KNN-ICF算法.

关键词：知识推荐、知识匹配度、谱聚类、视图相似度、关联度

所属期刊栏目：55

分类号：G302(科学研究理论)

资助基金：国家社会科学基金19BTQ035

在线出版日期：2023-05-19（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：1-7