文档介绍：郑州大学学报(理学版)
Journal of Zhengzhou University(Natural Science Edition)
ISSN 1671-6841,邮电大学 计算智能重庆市重点实验室 重庆
(1. 400065;
重庆邮电大学 计算机科学与技术学院 重庆
2. 400065)
摘要: 通过聚类可以缩小用户近邻空间 从而一定程度缓解传统协同过滤推荐算法存在的可扩展性问题 但因部分
, ,
用户丢失了有效邻居而使得推荐精度不高 为解决该问题 结合三支聚类提出了一种新的协同过滤方法 该方法
。 , 。
分为线下聚类和线上推荐两个步骤 对用户先进行聚类 进而将用户划为核心用户和边界用户 并对这两类用户
。 , ,
分别应用不同的聚类规则进行聚类 然后在目标用户所属的簇中产生一个预测评分 对属于多个簇的用户则聚合
; ,
每个簇的评分得到其预测结果 实验结果表明 该方法与现有基于聚类的协同过滤算法相比 能有效地提高推荐
。 , ,
精度
。
关键词: 协同过滤 三支决策 聚类 推荐系统
; ; ;
中图分类号: