启发式聚类模型和类别相似度的协同过滤推荐算法

nut1

摘要:基于h-近邻的协同过滤推荐算法对于邻居数量k的确定过于主观,并且推荐时以h-近邻均值加权推荐不够准确.针对这两个问题,本文首先引入并改进最大最小距离聚类算法,进而设计启发式聚类模型将用户进行不规定类别数的自由聚类划分,目标用户所在类的用户为邻居用户,客观确定邻居数量;然后在推荐时定义类别相似度,针对性地建立目标用户未评分和评分项目的潜在类别关系,改进k-近邻均值加权算法.实验结果表明,该算法提高了推荐准确度(约0.035MAE).
, p1 C0 M7 a: T2 Y1 g关键词:协同过滤;推荐算法;聚类算法;启发式聚类模型;类别相似度
7 a+ m: ^9 Y5 e; t" ^2 e7 k 基于启发式聚类模型和类别相似度的协同过滤推荐算法.pdf (1.75 MB, 下载次数: 0)

2021-5-12 08:59 上传

点击文件名下载附件
下载积分: 威望 -5

embnn

启发式聚类模型和类别相似度的协同过滤推荐算法 ，收藏了。