结合拓扑势用户聚类的协同过滤推荐算法

• 作者: 李沁东 熊李媛 黄贤英
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 协同过滤 数据稀疏 K-means聚类 拓扑势 用户相似度
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 软件与算法
• 页码范围: 90-95
• 页数: 6页
• 分类号: TP391.1
• 字数: 4993字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.01.017

摘要

针对传统协同过滤算法中数据稀疏造成推荐准确度低以及K-means聚类算法需要预先确定聚类个数的问题,提出自适应K-means聚类算法(SKCA).引入物理学中的拓扑势场理论,利用拓扑势值进行用户重要性表示并获得用户影响范围,结合改进K-means算法完成用户聚类并得到各类代表用户,目标用户通过与各代表用户进行用户相似度计算确定最优代表用户,在最优代表用户场域内使用协同过滤算法进行推荐.与其它算法对比的实验结果表明,SKCA在准确率、F值及运行效率上都有提升,有效缓解了数据稀疏的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄贤英	重庆理工大学计算机科学与工程学院	95	349	9.0	14.0
2	熊李媛	重庆理工大学计算机科学与工程学院	4	76	4.0	4.0
3	李沁东	重庆理工大学计算机科学与工程学院	4	62	4.0	4.0