科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对推荐算法中的稀疏性问题和传统推荐系统中使用离散评分，用户对物品的喜好程度只能通过5个等级来选取，用户对物品的偏好程度是模糊的且5等级评分不能合理表达用户的喜好，提出一种结合模糊C均值(Fuzzy C-Means, FCM)和梯形模糊数(Trapezoidal Fuzzy Numbers, TFNs)的协同过滤算法。首先，在传统的模糊C均值算法上融合遗传算法，将遗传算法的搜索结果作为模糊C均值的初始聚类中心，以其克服传统FCM搜索极易陷入局部最小值点的缺陷；然后，引入梯形模糊相似度模型，将离散评分数转化为梯形模糊数以此来计算用户相似度，从而利用模糊分数预测估计进行推荐；最后，选取MAE和RMSE作为评估指标，在Movielens数据集中进行实验，实验结果显示所提算法在与其余四种算法对比中预测误差更低，精确度更高，有效提高了推荐质量，也证明了该算法对于稀疏性问题有一定程度上的缓解，表明了该算法的有效性。
- 单位
