基于DB-CF算法的音乐平台个性化推荐研究

• 作者: 孙宗锟 窦维萌 郑秋爽
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 音乐电台 信息超载 个性化推荐 协同过滤 聚类
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 57-59
• 页数: 3页
• 分类号: TP301
• 字数: 2654字
• 语种: 中文
• DOI: 10.11907/rjdk.192582

摘要

娱乐方式日益丰富,产生巨量数据,利用这些数据通过推荐系统可以让用户获得更好的体验,为此提出了DB-CF(DBSCAN-Collaborative Filtering)算法.首先,使用DBSCAN聚类算法对音乐平台的线下用户进行聚类;然后,通过协同过滤算法计算对象用户与各聚类中心的相似度,再通过对比相似度度量矩阵,遍历离对象用户最近的邻居,通过邻居作出评分预测.实验表明,采用DB-CF算法比传统算法准确率提高8％左右,可以产生更准确的推荐结果,为用户带来更好的体验.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	窦维萌	山东科技大学计算机科学与工程学院	1	0	0.0	0.0
2	郑秋爽	山东科技大学矿业安全与工程学院	1	0	0.0	0.0
3	孙宗锟	山东科技大学计算机科学与工程学院	2	0	0.0	0.0