基于多源信息聚类和IRC-RBM的混合推荐算法

• 作者: 何登平 张为易 黄浩
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 多源信息 聚类 受限玻尔兹曼机 混合推荐
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1089-1095
• 页数: 7页
• 分类号: TP391
• 字数: 5470字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.06.017

摘要

针对协同过滤存在的数据稀疏性问题,提出了融合多源信息聚类和IRC-RBM的混合推荐算法.首先以用户信任度和项目时间权重作为聚类依据,利用最小生成树的K-means聚类算法对用户进行聚类分析,生成K个相似用户集合,在聚类分析的基础上进行评分预测;最后通过线性加权的方式,把聚类后评分矩阵和IRC-RBM模型生成的评分矩阵进行加权融合,用Top-N进行推荐.实验结果表明,相比较传统的推荐算法,该混合算法在准确率上有了显著的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何登平	重庆邮电大学通信与信息工程学院	22	75	5.0	7.0
10	黄浩	重庆邮电大学通信与信息工程学院	7	18	3.0	4.0
14	张为易	重庆邮电大学通信与信息工程学院	1	0	0.0	0.0