计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2011年
12期
4104-4106,4150
,共4页
推荐系统%协作过滤%推荐池%k-均值聚类算法%最小生成树
推薦繫統%協作過濾%推薦池%k-均值聚類算法%最小生成樹
추천계통%협작과려%추천지%k-균치취류산법%최소생성수
针对个性化推荐系统规模扩大而引起的实时性差、推荐精度较低等问题,提出了改进的k-均值用户聚类算法,实现对推荐系统中推荐池的压缩,将用户在不同项目簇上的评价差异作为用户距离,采用kruskal最小生成树算法生成初始聚类中心,使得初始中心靠近类中心,这样得到的聚类更符合实际.进行了算法改进前后的实验对比,结果表明,改进的聚类算法可以在更小的用户空间内搜索到更多的邻居用户,提高了查找用户最近邻居的效率和精度.
針對箇性化推薦繫統規模擴大而引起的實時性差、推薦精度較低等問題,提齣瞭改進的k-均值用戶聚類算法,實現對推薦繫統中推薦池的壓縮,將用戶在不同項目簇上的評價差異作為用戶距離,採用kruskal最小生成樹算法生成初始聚類中心,使得初始中心靠近類中心,這樣得到的聚類更符閤實際.進行瞭算法改進前後的實驗對比,結果錶明,改進的聚類算法可以在更小的用戶空間內搜索到更多的鄰居用戶,提高瞭查找用戶最近鄰居的效率和精度.
침대개성화추천계통규모확대이인기적실시성차、추천정도교저등문제,제출료개진적k-균치용호취류산법,실현대추천계통중추천지적압축,장용호재불동항목족상적평개차이작위용호거리,채용kruskal최소생성수산법생성초시취류중심,사득초시중심고근류중심,저양득도적취류경부합실제.진행료산법개진전후적실험대비,결과표명,개진적취류산법가이재경소적용호공간내수색도경다적린거용호,제고료사조용호최근린거적효솔화정도.