| 基于混合聚类与融合用户兴趣的协同过滤推荐算法 | |
| 所属分类：技术论文 | |
| 上传者：aetmagazine | |
| 文档大小：542 K | |
| 标签：推荐算法权重标签时间衰减系数 | |
| 所需积分：0分积分不够怎么办？ | |
| 文档介绍：推荐效率低、推荐质量有待提高等问题普遍存在于传统协同过滤推荐算法中，为了改善并解决这些问题，在协同过滤推荐算法中将混合聚类与用户兴趣偏好融合，经过验证推荐质量有显著提升。首先根据用户的个人相关信息构建Canopy+bi-Kmeans的一种多重混合聚类模型，采用提出的混合聚类模型把所有用户划分成多个聚类簇，将每个用户的兴趣偏好融合到生成的聚类簇中，形成新的相似度计算模型；其次利用基于TF-IDF算法的权重归类方法计算用户对标签的权重，并使融入时间系数的指数衰减函数捕捉用户兴趣偏好随时间的变化；最后使用加权融合将用户偏好和混合聚类模型相结合，匹配到更相似的邻居用户，计算出项目评分并进行推荐。利用公开数据集对比实验证明，提出的方法能够提高推荐质量和推荐可靠性。 | |
| 现在下载 | |
| VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。 | |
Copyright © 2005-2020 kaiyun官方注册版权所有京ICP备10017138号-2