基于项目评分和类型评分聚类的推荐算法

• 作者: 段元波 高茂庭
• 来源期刊: 现代计算机
• 关键词: 协同过滤 模糊C均值聚类 隶属度 项目类型评分
• 年，卷（期）: 2017,（24）
• 所属期刊栏目: 研究开开发
• 页码范围: 6-11
• 页数: 6页
• 字数: 4073字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2017.24.002

摘要

针对用户聚类时部分近邻被遗漏和近邻用户选取依据单一的问题,为提高推荐的准确性,提出基于项目评分和类型评分聚类(ISTS)推荐算法,根据用户对项目的评分记录生成用户-项目评分矩阵和用户-项目类型评分矩阵,分别利用这两个矩阵对用户进行模糊C均值聚类,并改进距离度量方法,然后分别根据聚类生成的隶属度矩阵在隶属度高的簇中选取对应最近邻,最后通过加权生成预测评分产生推荐.在MovieLens数据集上进行对比实验结果表明,新算法能更真实地反映用户评分,有效提高推荐系统的预测准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高茂庭	上海海事大学信息工程学院	83	424	11.0	16.0
2	段元波	上海海事大学信息工程学院	3	18	2.0	3.0