一种改进的K-means聚类的协同过滤算法

• 作者: 张洪涛 林楠 赵伟 韩英
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 推荐系统 协同过滤 聚类 相似度
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 32-36
• 页数: 5页
• 分类号: TP301.6
• 字数: 3075字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2016.02.006

摘要

针对海量新闻的个性化推荐算法进行研究,提出一种改进的推基于K-means聚类的协同过滤用户推荐算法.该算法首先随机初始化了K个质心,按照重新定义过的新的用户相似度公式将用户进行K-means聚类,并选取相似度最大的作为当前用户所属类别;然后再重新定义了质心并进行迭代聚类;最后在每一个用户类里应用基于用户的协同过滤推荐算法,并给用户合理的个性化推荐.仿真实验测试表明,新算法能够提高推荐的准确率,并且有效提高了扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵伟	郑州大学软件技术学院	65	520	12.0	20.0
2	林楠	郑州大学软件技术学院	42	216	8.0	13.0
3	韩英	郑州大学软件技术学院	16	65	4.0	7.0
4	张洪涛	华北水利水电大学电力学院	1	23	1.0	1.0