K-means 算法在隐语义模型中的应用磁

• 作者: 吴云 范玉强 龙慧云
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 隐语义模型 K-means 算法 评分矩阵 K-LFM
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 算法与分析
• 页码范围: 572-574,609
• 页数: 4页
• 分类号: TP391.1
• 字数: 2521字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.04.002

摘要

隐语义模型（LFM ）是文本挖掘领域的重要模型，将它应用于推荐系统的评分预测具有预测精度高和占用内存小的优点。但由于时间开销较大，LFM 模型并不适合用于处理大规模稀疏矩阵。针对此问题，论文将 K‐means 算法引入到 LFM 模型的评分数据处理，得到改进模型 K‐LFM 。在 K‐LFM 模型中，利用 K‐means 算法对评分矩阵中的用户和项目数据进行聚类处理，然后重构评分矩阵降低原始矩阵的稀疏程度和矩阵规模，最后用重构后的评分矩阵训练模型，预测评分。通过在 movielens 数据集上实验发现 K‐LFM 模型在运行时间上较 LFM 模型有大幅降低，而预测精度没有受到明显影响。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴云	贵州大学计算机科学与技术学院	20	73	4.0	8.0
2	龙慧云	贵州大学计算机科学与技术学院	5	7	1.0	2.0
3	范玉强	贵州大学计算机科学与技术学院	1	0	0.0	0.0