基于用户社交网络的最短距离聚类算法

• 作者: 李文杰 王均贤
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 大数据 推荐系统 聚类算法 最短距离
• 年，卷（期）: 2017,（2）
• 页码范围: 48-52
• 页数: 5页
• 分类号: TP399
• 字数: 3525字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2017.002.010

摘要

如何提高大数据环境下推荐系统的推荐效率是一个值得关注的课题.本文提出了一种基于用户社交网络的最短距离聚类算法.该算法在推荐之前预先对用户进行聚类,降低邻域搜索空间,提高推荐效率.本聚类算法将用户分为分簇用户和离群簇用户两大类,推荐时以簇为单位输入.离群簇用户可实现对社交网络的简单扩展.最后通过对真实社交网络的模拟,证明了算法的可行性与有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文杰	天津理工大学计算机与通信工程学院天津市智能计算及软件新技术重点实验室	11	77	4.0	8.0
2	王均贤	天津理工大学计算机与通信工程学院天津市智能计算及软件新技术重点实验室	1	0	0.0	0.0