计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
10期
2804-2806,2826
,共4页
综合云模型%属性评价%评分聚类%属性聚类%协同过滤
綜閤雲模型%屬性評價%評分聚類%屬性聚類%協同過濾
종합운모형%속성평개%평분취류%속성취류%협동과려
integrated cloud model%attributes evaluation%rating clustering%attribute clustering%collaborative filtering
针对传统推荐系统数据稀疏、相似性计算方法导致共同评分用户少的问题,提出利用云模型定性概念与定量数值转换的优势,研究云模型、用户聚类的个性化推荐改进算法.用户对项目属性评价的偏好,转换为用户对加权综合云模型表示的数字特征的偏好.利用改进的聚类算法,对评分数据、原始用户属性标准化后的信息进行聚类;同时考虑用户兴趣的变化,结合用户之间项目属性评价的综合云模型的相似度、用户对项目评分的聚类、用户属性聚类这三种方法产生的邻居用户的并集进行推荐.理论分析和实验结果表明,提出的改进算法不但解决数据稀疏性带来的共同评分用户少的弊端,即使是在新用户的情况下,仍能获得较低的平均绝对误差和平均平方误差.
針對傳統推薦繫統數據稀疏、相似性計算方法導緻共同評分用戶少的問題,提齣利用雲模型定性概唸與定量數值轉換的優勢,研究雲模型、用戶聚類的箇性化推薦改進算法.用戶對項目屬性評價的偏好,轉換為用戶對加權綜閤雲模型錶示的數字特徵的偏好.利用改進的聚類算法,對評分數據、原始用戶屬性標準化後的信息進行聚類;同時攷慮用戶興趣的變化,結閤用戶之間項目屬性評價的綜閤雲模型的相似度、用戶對項目評分的聚類、用戶屬性聚類這三種方法產生的鄰居用戶的併集進行推薦.理論分析和實驗結果錶明,提齣的改進算法不但解決數據稀疏性帶來的共同評分用戶少的弊耑,即使是在新用戶的情況下,仍能穫得較低的平均絕對誤差和平均平方誤差.
침대전통추천계통수거희소、상사성계산방법도치공동평분용호소적문제,제출이용운모형정성개념여정량수치전환적우세,연구운모형、용호취류적개성화추천개진산법.용호대항목속성평개적편호,전환위용호대가권종합운모형표시적수자특정적편호.이용개진적취류산법,대평분수거、원시용호속성표준화후적신식진행취류;동시고필용호흥취적변화,결합용호지간항목속성평개적종합운모형적상사도、용호대항목평분적취류、용호속성취류저삼충방법산생적린거용호적병집진행추천.이론분석화실험결과표명,제출적개진산법불단해결수거희소성대래적공동평분용호소적폐단,즉사시재신용호적정황하,잉능획득교저적평균절대오차화평균평방오차.
