基于NKL和K-means聚类的协同过滤推荐算法

• 作者: 张海玉 张钰嘉 李顺勇
• 来源期刊: 河南科学
• 关键词: 协同过滤 推荐算法 矩阵稀疏 K-means 相似性度量
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 数学研究
• 页码范围: 6-12
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1004-3918.2020.01.002

摘要

针对传统协同过滤推荐算法(CF)存在用户-项目矩阵稀疏以及推荐准确率较低等问题,提出了一种基于NKL和K-means聚类的协同过滤推荐算法(NKL-KM).首先,NKL-KM算法定义了一种新的相似性度量方法,该方法在进行相似性度量时考虑了各项目评分的分布以及评分值差异.其次,NKL-KM算法将K-means算法与CF算法结合,提高了推荐算法精度.最后,在MovieLens和Netflix数据集上进行算法对比实验,实验结果表明NKL-KM算法有较高的推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李顺勇	山西大学数学科学学院	40	65	4.0	7.0
2	张钰嘉	山西大学数学科学学院	5	0	0.0	0.0
3	张海玉	山西大学新闻学院	1	0	0.0	0.0