科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决传统的推荐技术存在的推荐列表精确度和多样性冲突等问题，提出了一种融合情境信息的基于非支配排序多目标进化算法求解方法.使用K-means++聚类技术对用户进行聚类操作，按照类间用户差异性最大、类内用户相似性最大原理划分族群.结合协同过滤算法融入时间情境信息追踪用户偏好漂移，并通过非支配排序进化算法NSGA-II平衡推荐列表的准确度和多样性两个指标.在公共数据集Movielens-1M上将提出的非支配排序多目标进化情境推荐算法与现有算法进行对比，实验结果表明，该算法减少了预测评分时的平均绝对误差值，在准确度和多样性两个评价指标上均有提高.
- 单位
