基于云模型的用户双重聚类推荐算法

• 作者: 陈传瑜 陈平华
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 协同过滤 云模型 聚类 数据稀疏
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 高性能计算
• 页码范围: 1245-1251
• 页数: 7页
• 分类号: TP311
• 字数: 5305字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.07.004

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈平华	广东工业大学计算机学院	84	860	11.0	28.0
2	陈传瑜	广东工业大学计算机学院	3	74	3.0	3.0