|
|
1.
云模型与用户聚类的个性化推荐
李克潮 凌霄娥
计算机应用
2013, 33 (10):
2804-2806.
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
相关文章 |
多维度评价
|
|
