基于启发式聚类模型和类别相似度的协同过滤推荐算法

• 作者: 吴毅涛 张兴明 潘俊池 王兴茂
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 协同过滤 推荐算法 聚类算法 启发式聚类模型 类别相似度
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1708-1713
• 页数: 6页
• 分类号: TP393
• 字数: 5084字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2016.07.027

摘要

基于k-近邻的协同过滤推荐算法对于邻居数量k的确定过于主观，并且推荐时以k-近邻均值加权推荐不够准确．针对这两个问题，本文首先引入并改进最大最小距离聚类算法，进而设计启发式聚类模型将用户进行不规定类别数的自由聚类划分，目标用户所在类的用户为邻居用户，客观确定邻居数量；然后在推荐时定义类别相似度，针对性地建立目标用户未评分和评分项目的潜在类别关系，改进k-近邻均值加权算法．实验结果表明，该算法提高了推荐准确度（约0．035MAE）．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张兴明		61	302	8.0	15.0
2	吴毅涛		4	87	3.0	4.0
3	王兴茂		5	126	4.0	5.0
4	潘俊池		1	36	1.0	1.0