-
题名基于改进聚类与融合用户属性特征的协同过滤推荐算法
- 1
-
-
作者
王汇琳
陈欣
-
机构
沈阳工业大学理学院
-
出处
《理论数学》
2021年第5期929-936,共8页
-
文摘
针对协同过滤算法数据稀疏导致推荐质量低和推荐效率低的问题,本文提出了一种基于改进K-means聚类与用户属性的协同过滤推荐算法。为了改进K-means算法初始中心选取的随机性,本文先用canopy算法对数据进行粗聚类,引入“最大最小距离积法”选取初始点,接着用K-means算法进行聚类,在生成多个聚类簇之后,将修正的余弦相似度与用户属性特征相结合,形成新的相似度计算模型,最后进行相应的推荐。通过MAE、RMSE两个指标的比较,结果表明,改进后的算法能够提高推荐效率和推荐准确性。
-
关键词
K-MEANS聚类算法
协同过滤
最大最小距离积法
最近邻用户
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
