基于云模型的用户双重聚类推荐算法
【出 处】:《
计算机工程与科学
》
CSCD
2015年第37卷第7期 1245-1251页,共7页
【作 者】:
陈平华
;
陈传瑜
【摘 要】
协同过滤是一种应用广泛的推荐算法,但存在着效率低和数据稀疏等问题。为解决这些问题,提出了一种改进的聚类推荐算法。该算法引用云模型,先从项目属性和用户属性两方面计算云模型期望、熵和超熵,并考虑到评分时间、评分高低和评分习惯等因素的影响,建立用户兴趣模型;接着,采用基于云模型的修正相似度量方法进行用户兴趣相似度比较,并使用K-means算法进行聚类;最后,利用参与预测人数的比例对公共项目进行推荐结果合并。在MovieLens上的实验结果表明,该算法不仅可以解决效率低和数据稀疏等问题,还提高了推荐的准确性。
相关热词搜索: 协同过滤 云模型 聚类 数据稀疏 collaborative filtering cloud model clustering data sparseness