计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
z2期
354-358
,共5页
李贵%陈召新%李征宇%韩子扬%孙平%孙焕良
李貴%陳召新%李徵宇%韓子颺%孫平%孫煥良
리귀%진소신%리정우%한자양%손평%손환량
推荐系统%协同过滤%谱聚类%C-means算法%群组
推薦繫統%協同過濾%譜聚類%C-means算法%群組
추천계통%협동과려%보취류%C-means산법%군조
Recommendation system%Collaborative filtering%Spectral clustering%C-means algorithm%Subgroup
推荐系统中,基于聚类的协同过滤推荐算法利用K-means等算法对用户和物品进行聚类,聚类结果里用户或物品只能属于一个类别,然而在实际应用中,一个用户可以有多种兴趣,一个物品也可以属于多个类别.针对上述问题,提出了一种基于谱聚类群组发现的算法,该算法通过谱聚类和C-means聚类得到用户和物品相似度较高的群组以及用户和物品归属于群组的隶属度矩阵,而且用户或物品可以属于多个群组.通过计算用户在各个群组中对物品的偏好值,并结合用户和物品在群组里相应的隶属度来预测用户对物品最终的偏好值,生成对用户的Top-N推荐结果.实验结果表明,与以往推荐算法相比,本方法在降低了数据稀疏性的同时提高了推荐结果的准确率和召回率.
推薦繫統中,基于聚類的協同過濾推薦算法利用K-means等算法對用戶和物品進行聚類,聚類結果裏用戶或物品隻能屬于一箇類彆,然而在實際應用中,一箇用戶可以有多種興趣,一箇物品也可以屬于多箇類彆.針對上述問題,提齣瞭一種基于譜聚類群組髮現的算法,該算法通過譜聚類和C-means聚類得到用戶和物品相似度較高的群組以及用戶和物品歸屬于群組的隸屬度矩陣,而且用戶或物品可以屬于多箇群組.通過計算用戶在各箇群組中對物品的偏好值,併結閤用戶和物品在群組裏相應的隸屬度來預測用戶對物品最終的偏好值,生成對用戶的Top-N推薦結果.實驗結果錶明,與以往推薦算法相比,本方法在降低瞭數據稀疏性的同時提高瞭推薦結果的準確率和召迴率.
추천계통중,기우취류적협동과려추천산법이용K-means등산법대용호화물품진행취류,취류결과리용호혹물품지능속우일개유별,연이재실제응용중,일개용호가이유다충흥취,일개물품야가이속우다개유별.침대상술문제,제출료일충기우보취류군조발현적산법,해산법통과보취류화C-means취류득도용호화물품상사도교고적군조이급용호화물품귀속우군조적대속도구진,이차용호혹물품가이속우다개군조.통과계산용호재각개군조중대물품적편호치,병결합용호화물품재군조리상응적대속도래예측용호대물품최종적편호치,생성대용호적Top-N추천결과.실험결과표명,여이왕추천산법상비,본방법재강저료수거희소성적동시제고료추천결과적준학솔화소회솔.
