作者:字云飞; 李业丽; 孙华艳; 韩旭推荐系统协同过滤fcm算法特征值加权相似性
摘要:随着用户对推荐精准度和个性化的要求越来越高,传统推荐算法对于用户-项目的非理性评判弊端以及稀疏性等带来的问题,严重影响推荐的精准度及个性化。基于这些问题,提出了一种基于C-均值和特征加权法的协同过滤推荐算法,该算法首先对用户-项目的评分、转存、特征值等建立矩阵来计算它们之间的相似度,然后通过FCM算法筛选出候选集;而候选集中的项目、用户又具有特征值权重向量的划分,所以再对候选集通过特征加权法获得最终推荐集,从而实现精准、个性化及高效推荐。实验结果表明,该算法能够有效提高相似度计算精度,从而解决数据稀疏性及评分极端带来的不良性,进而提高推荐的精准度、个性化及执行效率。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社