基于用戶興趣的聚類推薦算法
大小：0.88 MB 人氣： 2017-12-19 需要積分：1
標簽：聚類(14184)
個性化推薦系統中使用最廣泛的算法是協同過濾算法，針對該算法存在的數據稀疏和擴展性差問題，提出了一種基于用戶興趣和社交信任的聚類推薦算法。該算法首先基于聚類技術根據用戶評分信息將具有相同興趣的用戶聚為一類，并建立基于用戶興趣相近的鄰居集合。為了提高興趣相似度計算的準確性，采用了修正余弦計算公式來消除評分標準的差異問題。然后，引入信任機制，通過定義直接信任、間接信任、傳遞路徑和計算方法來度量社交網絡用戶之間隱含的信任值，將社交網絡轉換為信任網絡，依據信任程度來創建基于社交信任的鄰居集合。通過加權的方式將基于兩種鄰居集合的預測值融合起來為用戶產生項目的推薦。在Douban數據集上進行仿真實驗，確定了最優的協調因子值和分類數值，并與基于用戶的協同過濾算法和基于信任的推薦算法進行對比，實驗結果表明，所提算法的平均絕對誤差（MAE）減少了6.7%，準確率（precision）、覆蓋（recall）和F1值分別增加了25%、40%和37%，有效提高了推薦系統的推薦質量。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于用戶興趣的聚類推薦算法下載
相關電子資料下載
- 對新輔助TCHP治療響應的HER2+乳腺癌空間蛋白質組特征 547
- 使用輪廓分數提升時間序列聚類的表現 316
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 介紹一種基于分層聚類方法的木馬通信行為檢測模型 1060
- 深度學習聚類的綜述 780
- 聚類分析中的機器學習與統計方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 聚類分析中的機器學習與統計方法綜述（一） 638
- 機器學習之分類分析與聚類分析 3550