基于融合GMM聚类与FOA-GRNN模型的推荐算法

• 作者: 张杰 李毅鹏 阮叶丽
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 推荐算法 GMM聚类 果绳优化 广义回归神经网络 Slope One算法
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 25-31
• 页数: 7页
• 分类号: TP311
• 字数: 4865字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2018097

摘要

针对传统基于物品的推荐算法由于数据稀疏性导致的低推荐精度问题,提出了一种融合GMM聚类和FOA-GRNN模型的推荐算法.该算法首先使用高斯混合模型(GMM)方法对物品特征进行聚类;然后根据聚类结果分别构造评分矩阵,并使用Slope One算法填充评分矩阵;最后计算用户对物品的相似度预测评分作为输入,通过FOA-GRNN模型输出最终的评分.基于movielens-2k数据集的实验结果表明,与其他3种算法相比,该算法能够更好地处理高稀疏性数据,推荐精度更优,并能够在一定程度上解决冷启动问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张杰	中南财经政法大学信息与安全工程学院	14	256	7.0	14.0
2	李毅鹏	中南财经政法大学信息与安全工程学院	11	74	4.0	8.0
3	阮叶丽	中南财经政法大学信息与安全工程学院	1	0	0.0	0.0