| 基于人口统计学的改进聚类模型协同过滤算法 |
| |
| 引用本文： | 王媛媛,李翔.基于人口统计学的改进聚类模型协同过滤算法[J].计算机科学,2017,44(3):63-69. |
| |
| 作者姓名： | 王媛媛 李翔 |
| |
| 作者单位： | 淮阴工学院计算机与软件工程学院 淮安223003河海大学计算机与信息学院 南京211100,淮阴工学院计算机与软件工程学院 淮安223003河海大学计算机与信息学院 南京211100 |
| |
| 基金项目： | 本文受国家自然科学基金(61403060),江苏重点研发计划-产业前瞻与共性关键技术(BE2015127),江苏省高校自然科学研究面上项目(15KJB520004),江苏省先进制造技术重点实验室开放基金(HGAMTL-1401),江苏省科技厅产学研联合研究项目(BY2014097), 淮安市科技计划项目(HAG2015060,HAG201602,HAC201601)资助 |
| |
| 摘 要： | 针对传统基于用户的协同过滤推荐算法在大数据环境下存在评分高维稀疏性、推荐精度低的问题,提出一种基于人口统计学数据与改进聚类模型相结合的协同过滤推荐算法,以提高推荐系统精度和泛化能力。该方法首先通过用户人口统计学数据属性,结合用户-项目评分矩阵计算各个用户间的相似度；然后对用户、项目进行分层近邻传播聚类,根据用户对项目的评分数据计算用户或项目之间的相似性,产生目标用户或项目的兴趣近邻；最后根据兴趣最近邻进行推荐。对Epinions,MovieLents等数据集进行仿真实验,仿真的结果表明, 与传统的协同过滤算法相比, 提出的算法提高了推荐精度,为传统的协同过滤推荐算法提供了参考。
|
| 关 键 词： | 协同过滤 人口统计学 聚类 推荐系统 |
| 收稿时间： | 2015/10/1 0:00:00 |
| 修稿时间： | 2016/2/20 0:00:00 |
Study on Improved Clustering Collaborative Filtering Algorithm Based on Demography |
| |
| WANG Yuan-yuan and LI Xiang.Study on Improved Clustering Collaborative Filtering Algorithm Based on Demography[J].Computer Science,2017,44(3):63-69. |
| |
| Authors: | WANG Yuan-yuan and LI Xiang |
| |
| Abstract: | |
| |
| Keywords: | Collaborative filtering Demography Clustering Recommender systems |
|
|
点击此处可从《计算机科学》下载全文 |
|
