典型文献
基于混合聚类与融合用户兴趣的协同过滤推荐算法
文献摘要：
推荐效率低、推荐质量有待提高等问题普遍存在于传统协同过滤推荐算法中,为了改善并解决这些问题,在协同过滤推荐算法中将混合聚类与用户兴趣偏好融合,经过验证推荐质量有显著提升.首先根据用户的个人相关信息构建Canopy+bi-Kmeans的一种多重混合聚类模型,采用提出的混合聚类模型把所有用户划分成多个聚类簇,将每个用户的兴趣偏好融合到生成的聚类簇中,形成新的相似度计算模型;其次利用基于TF-IDF算法的权重归类方法计算用户对标签的权重,并使融入时间系数的指数衰减函数捕捉用户兴趣偏好随时间的变化;最后使用加权融合将用户偏好和混合聚类模型相结合,匹配到更相似的邻居用户,计算出项目评分并进行推荐.利用公开数据集对比实验证明,提出的方法能够提高推荐质量和推荐可靠性.
文献关键词：
推荐算法;权重标签;时间衰减系数;指数衰减函数;混合聚类
中图分类号：
作者姓名：
麻天;余本国;张静;宋文爱;景昱
作者机构：
中北大学软件学院,山西太原030051;山西省军民融合软件工程技术研究中心,山西太原030051;海南医学院生物医学信息与工程学院,海南海口 571199
文献出处：
引用格式：
[1]麻天;余本国;张静;宋文爱;景昱-.基于混合聚类与融合用户兴趣的协同过滤推荐算法)[J].电子技术应用,2022(04):29-33
A类：
Canopy+bi,权重标签,时间衰减系数
B类：
混合聚类,用户兴趣,协同过滤推荐算法,兴趣偏好,偏好融合,信息构建,Kmeans,重混,聚类模型,合到,相似度计算,TF,IDF,重归,指数衰减函数,加权融合,用户偏好,配到,邻居,公开数据集
AB值：
0.237121
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
