基于CE3:k-means的协同过滤推荐模型研究

• 作者: 满超 李志聪
• 来源期刊: 信息通信
• 学科: 工学
• 关键词: CE3:k-menas 成员相似度,协同过滤 推荐算法 融合策略
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 学术研究
• 页码范围: 34-36
• 页数: 3页
• 分类号: TP39
• 语种: 中文

摘要

随着网络数据量的迅速增长,传统数据处理方式的推荐算法已经不能满足互联网发展的需求,为了追求推荐精确性与人性化,协同过滤算法以其更高的推荐满意率逐渐取代其他推荐算法.然而,协同过滤算法推荐的准确程度取决于用户或者物品相似度的计算,成员偏好的多元性使得用户相似度并不能很好的体现用户之间的关联程度.针对这一问题,将CE3:k-menas引入协同过滤推荐,借鉴其基本思想,以成员偏好为特征,根据成员与簇类中心的距离进行偏好划分,由于边界成员与簇类中心成员在一定程度上有着相似的偏好同时也存在较大的差异.因此,针对成员距离类簇中心的远近采取不同的偏好融合策略.实验结果表明,所提出的算法相比LM-CF,UCCF和UBCF算法在准确率、召回率和平均绝对误差上效果提升明显.