基于混合聚類與融合用戶興趣的協(xié)同過(guò)濾推薦算法
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>542 K
標(biāo)簽： 推薦算法 權(quán)重標(biāo)簽 時(shí)間衰減系數(shù)
所需積分：0分積分不夠怎么辦？
文檔介紹：推薦效率低、推薦質(zhì)量有待提高等問(wèn)題普遍存在于傳統(tǒng)協(xié)同過(guò)濾推薦算法中，為了改善并解決這些問(wèn)題，在協(xié)同過(guò)濾推薦算法中將混合聚類與用戶興趣偏好融合，經(jīng)過(guò)驗(yàn)證推薦質(zhì)量有顯著提升。首先根據(jù)用戶的個(gè)人相關(guān)信息構(gòu)建Canopy+bi-Kmeans的一種多重混合聚類模型，采用提出的混合聚類模型把所有用戶劃分成多個(gè)聚類簇，將每個(gè)用戶的興趣偏好融合到生成的聚類簇中，形成新的相似度計(jì)算模型；其次利用基于TF-IDF算法的權(quán)重歸類方法計(jì)算用戶對(duì)標(biāo)簽的權(quán)重，并使融入時(shí)間系數(shù)的指數(shù)衰減函數(shù)捕捉用戶興趣偏好隨時(shí)間的變化；最后使用加權(quán)融合將用戶偏好和混合聚類模型相結(jié)合，匹配到更相似的鄰居用戶，計(jì)算出項(xiàng)目評(píng)分并進(jìn)行推薦。利用公開(kāi)數(shù)據(jù)集對(duì)比實(shí)驗(yàn)證明，提出的方法能夠提高推薦質(zhì)量和推薦可靠性。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。