初始聚类中心优化的K-均值项目聚类推荐算法

• 作者: 周国安 胡旭 陈新 鲁汉榕
• 来源期刊: 空军预警学院学报
• 学科: 工学
• 关键词: 协同过滤推荐 初始聚类中心优化 K-均值聚类
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 电子技术
• 页码范围: 203-207
• 页数: 5页
• 分类号: TP311|O235
• 字数: 5016字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-5839.2014.03.013

摘要

针对协同过滤推荐系统存在的数据稀疏性和扩展性差问题，提出了初始聚类中心优化的K-均值项目聚类推荐算法。该算法首先采用SlopeOne方法对评分矩阵预测填充来缓解数据稀疏性，然后采用初始聚类中心优化的K-均值算法对项目进行聚类，将相似度高的项目聚到同一个类中，最后根据目标项目所在的聚类搜索其最近邻并产生推荐。实验结果表明，该算法有效改善了数据的稀疏性和扩展性，提高了推荐质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈新		25	69	4.0	7.0
2	周国安		4	36	3.0	4.0
3	胡旭		4	36	3.0	4.0
4	鲁汉榕		5	17	3.0	4.0