科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】避免在组推荐群组划分阶段对群组个数k值的经验依赖,提高推荐算法的准确率及扩展性。【方法】应用ISA联合聚类算法,从用户、项目两个维度同时聚类,获取精准的重叠兴趣群组;在各群组内结合用户专业度构建出代表群组共同偏好的虚拟用户;最后基于虚拟用户进行协同过滤推荐。【结果】通过ISA联合聚类摆脱了k值依赖,基于ISA联合聚类的组推荐算法在FilmTrust数据集200和500群组规模的MAE值分别为0.697和0.693, MovieLens数据集上RMSE值为1.022,与其他算法相比准确率有所提升。【局限】基于ISA的群组划分算法具有一定的随机性,需多次重复实验。【结论】本文算法能够摆脱传统聚类算法对k值的经验依赖,有效提高协同过滤推荐算法的准确率及扩展性。
- 单位
