科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高信息网络中各类用户与项目信息增长给推荐系统带来的负载，从类型偏好角度出发，设计了一种根据用户偏好的蝙蝠优化聚类处理的协同过滤推荐(CFR)算法。在设计蝙蝠优化协同过滤推荐算法(B-CFR)时，融入用户偏好优化聚类方法。以B-CFR算法为基础，根据项目类型建立细粒度偏好模型，利用蝙蝠优化算法达到改进聚类的效果。对该算法进行了测试研究。研究结果表明：设计的算法将聚类数设置在10和近邻数取值为40时是最优的。当权重系数处于[0.1,0.5]区间内时，通过B-CFR算法预测评级，能够满足用户真实评级状态评价，显著改善推荐效果。相对于传统CFR算法，所设计的B-CFR算法可以优化评分预测准确性，并有效缩小最近邻居搜索范围、增强系统实时性，使系统获得更强的扩展能力。该研究对保证推荐系统的运行效率具有一定的指导意义。
-
单位云南师范大学文理学院
