期刊文献+

一种改进的K-means聚类的协同过滤算法 预览 被引量:5

User-based collaborative filtering recommendation algorithm based on improved K-means clustering
在线阅读 下载PDF
收藏 分享 导出
摘要 针对海量新闻的个性化推荐算法进行研究,提出一种改进的推基于K-means聚类的协同过滤用户推荐算法.该算法首先随机初始化了K个质心,按照重新定义过的新的用户相似度公式将用户进行K-means聚类,并选取相似度最大的作为当前用户所属类别;然后再重新定义了质心并进行迭代聚类;最后在每一个用户类里应用基于用户的协同过滤推荐算法,并给用户合理的个性化推荐.仿真实验测试表明,新算法能够提高推荐的准确率,并且有效提高了扩展性. The research focuses on the personalized recommendation algorithm for massive news,a modified K-means clustering user-based collaborative filtering recommendation algorithm was proposed.Firstly the algorithm initialized randomly K'centroids,secondly according to redefinition of the new user similarity formula it made the user K-means clustering,selected the maximum similarity as the current user category,then redefined the centroids and used it to iterate clustering.At last each user in the cluster was applied to user-based collaborative filtering recommendation algorithm and was given reasonable and personal recommendation.Simulation experiments showed that the new algorithm proposed in the paper increased the recommended accuracy and effectively improved the scalability.
作者 赵伟 林楠 韩英 张洪涛 ZHAO Wei,LIN Nan,HAN Ying,ZHANG Hongtao (1. Software Technology School, Zhengzhou University, Zhengzhou 450002,China; 2. Institute of Electric Power, North China University of Water Resources and Electric Power, Zhengzhou 450045, China)
出处 《安徽大学学报:自然科学版》 CAS 北大核心 2016年第2期32-36,共5页 Journal of Anhui University(Natural Sciences)
基金 国家自然科学基金资助项目(31101085) 河南省科技厅基础研究项目(142300410226)
关键词 推荐系统 协同过滤 聚类 相似度 recommendation systems collaborative filtering clustering similarity
作者简介 赵伟(1976-),男,甘肃山丹人,郑州大学讲师.
  • 相关文献

参考文献15

二级参考文献81

共引文献275

同被引文献25

引证文献5

二级引证文献3

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈