基于信息熵的二次聚类推荐算法

• 作者: 易军凯 李辉 石钊
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 最邻近熵差阈值 平均熵值逼近 二次聚类 对数拟合 推荐区域 推荐算法
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 213-217,223
• 页数: 6页
• 分类号: TP18
• 字数: 3290字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.05.036

摘要

用户对网页文本缺少主动评价信息会影响最终推荐结果的准确程度.为此,提出一种新的二次聚类推荐算法,通过对用户所浏览过的网页文本特征词的提取及相关权重的计算,得出每一个网页的文本信息熵值与最邻近熵差.利用连续型随机变量的均匀分布计算得到最邻近熵差阈值,借助平均熵值逼近确定二次聚类初始聚类簇数和簇心,结合对数函数拟合的方法计算推荐数量,通过2次文本聚类,运用欧氏距离和信息熵值确定推荐内容.实验结果表明,该推荐算法在实际系统中运行稳定,与单纯只进行2次聚类运算的推荐算法相比,推荐准确程度有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	易军凯	北京化工大学信息科学与技术学院	44	107	6.0	7.0
2	李辉	北京化工大学信息科学与技术学院	24	119	7.0	10.0
3	石钊	北京化工大学信息科学与技术学院	1	5	1.0	1.0