科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统协同过滤推荐算法评分数据稀疏、没有考虑推荐的时效性而导致推荐准确性不佳的问题，提出了一种基于改进K-means和优化评分的用户协同过滤推荐算法，在评分矩阵中加入用户对项目类别的评分，并使用Weigh Slope One算法得到的预测评分替代评分矩阵中的未评分项，以此降低数据稀疏性；并改进K-means聚类算法，对填充后的用户数据进行聚类，引入时间权重，将时间因子纳入评分预测中.在MovieLens-100K数据集上进行仿真实验，实验结果表明：所提算法较好解决了评分数据稀疏，推荐时效性差的问题，且推荐效果具有明显提升.
- 单位
