基于用戶興趣的聚類推薦算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
個(gè)性化推薦系統(tǒng)中使用最廣泛的算法是協(xié)同過濾算法，針對(duì)該算法存在的數(shù)據(jù)稀疏和擴(kuò)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(shù)根據(jù)用戶評(píng)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(jì)算的準(zhǔn)確性，采用了修正余弦計(jì)算公式來消除評(píng)分標(biāo)準(zhǔn)的差異問題。然后，引入信任機(jī)制，通過定義直接信任、間接信任、傳遞路徑和計(jì)算方法來度量社交網(wǎng)絡(luò)用戶之間隱含的信任值，將社交網(wǎng)絡(luò)轉(zhuǎn)換為信任網(wǎng)絡(luò)，依據(jù)信任程度來創(chuàng)建基于社交信任的鄰居集合。通過加權(quán)的方式將基于兩種鄰居集合的預(yù)測(cè)值融合起來為用戶產(chǎn)生項(xiàng)目的推薦。在Douban數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn)，確定了最優(yōu)的協(xié)調(diào)因子值和分類數(shù)值，并與基于用戶的協(xié)同過濾算法和基于信任的推薦算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明，所提算法的平均絕對(duì)誤差（MAE）減少了6.7%，準(zhǔn)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(tǒng)的推薦質(zhì)量。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于用戶興趣的聚類推薦算法下載
相關(guān)電子資料下載
- 對(duì)新輔助TCHP治療響應(yīng)的HER2+乳腺癌空間蛋白質(zhì)組特征 547
- 使用輪廓分?jǐn)?shù)提升時(shí)間序列聚類的表現(xiàn) 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(cè)模型 1060
- 深度學(xué)習(xí)聚類的綜述 780
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述（二） 679
- 如何在 Python 中安裝和使用頂級(jí)聚類算法 415
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述（一） 638
- 機(jī)器學(xué)習(xí)之分類分析與聚類分析 3550