基于谱聚类和扩展朴素贝叶斯的混合推荐算法

• 作者: 胡德敏 龚燕
• 来源期刊: 计算机应用研究
• 关键词: 推荐算法 谱聚类 朴素贝叶斯 增量式更新
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3709-3712
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.12.042

摘要

随着电子商务的发展，基于协同过滤的推荐算法越来越受欢迎，与此同时，该算法的缺陷也越来越明显，如数据稀疏性、系统可扩展性等。为此，提出一种混合型推荐算法。该混合算法首先利用谱聚类方法，根据图谱理论将聚类问题转换为图的分割问题，寻找相似数据群；然后利用扩展逻辑回归的朴素贝叶斯算法对聚类结果建立预测模型；最后使用增量式更新的方法，在不全部重新训练模型的基础上，对模型进行局部修改。实验结果表明，该算法较传统的协同过滤算法在一定程度上克服了数据稀疏性和冷启动问题，降低了计算复杂度，并且具有更好的准确性和可扩展性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡德敏	上海理工大学光电信息与计算机工程学院	44	241	10.0	13.0
5	龚燕	上海理工大学光电信息与计算机工程学院	2	37	2.0	2.0