基于协同过滤与划分聚类的改进推荐算法

被引：19

作者：

吴泓辰 ^{[1
]}

王新军 ^{[1
]}

成勇 ^{[2
]}

彭朝晖 ^{[1
]}

机构：

[1] 不详

[2] 山东大学计算机科学与技术学院

[3] 不详

[4] 人力资源和社会保障部信息中心

[5] 不详

来源：

计算机研究与发展 | 2011年 / S3期

关键词：

个性化服务技术; 改进推荐算法; 协同过滤; 划分聚类;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

摘要：

针对个性化服务技术提出一种改进推荐算法,该方法基于协同过滤技术和划分聚类技术.首先建立了协同过滤推荐算法的计算矩阵,使算法能够参照矩阵来推荐信息,其次完善了矩阵的赋值范围,使推荐算法能综合所有用户的评价,最后添加了评价数值和更新系数,把算法的动态更新变为可能,从而推荐给用户最满意的信息.在此基础上还提出基于划分聚类的改进推荐算法,进一步提高了算法的准确性和实时性,并且用实验证明了基于划分聚类的最终推荐算法是最优的个性化服务推荐算法,能够提供给用户最满意的推荐信息.

引用

页码：205 / 212

页数：8

共 10 条

[1] 通过相似度支持度优化基于K近邻的协同过滤算法 [J].

罗辛 ;

欧阳元新 ;

熊璋 ;

袁满 .

计算机学报, 2010, 33 (08) :1437-1445

[2] 不确定近邻的协同过滤推荐算法 [J].

黄创光 ;

印鉴 ;

汪静 ;

刘玉葆 ;

王甲海 .

计算机学报, 2010, 33 (08) :1369-1377

[3] 两阶段联合聚类协同过滤算法 [J].

吴湖 ;

王永吉 ;

王哲 ;

王秀利 ;

杜栓柱 .

软件学报, 2010, 21 (05) :1042-1054

[4] 适应用户兴趣变化的协同过滤推荐算法 [J].

邢春晓 ;

高凤荣 ;

战思南 ;

周立柱 .

计算机研究与发展, 2007, (02) :296-301

[5] 基于项目评分预测的协同过滤推荐算法 [J].

邓爱林 ;

朱扬勇 ;

施伯乐 .

软件学报, 2003, (09) :1621-1628

[6] 个性化服务技术综述 [J].

曾春 ;

邢春晓 ;

周立柱 .

软件学报, 2002, (10) :1952-1961

[7] Implementation of Semantic Web Mining on E-Learning [J].

Mustapasa, Oguz ;

Karahoca, Dilek ;

Karahoca, Adem ;

Yucel, Ahmet ;

Uzunboylu, Huseyin .

INNOVATION AND CREATIVITY IN EDUCATION, 2010, 2 (02) :5820-5823

[8]

A web personalizing technique using adaptive data structures: The case of bursts in web visits[J] . E. Sakkopoulos,D. Antoniou,P. Adamopoulou,N. Tsirakis,A. Tsakalidis.The Journal of Systems & Software . 2010 (11)

[9] Learning and inferencing in user ontology for personalized Semantic Web search [J].

Jiang, Xing ;

Tan, Ah-Hwee .

INFORMATION SCIENCES, 2009, 179 (16) :2794-2808

[10] Web personalization expert with combining collaborative filtering and association rule mining technique [J].

Lee, CH ;

Kim, YH ;

Rhee, PK .

EXPERT SYSTEMS WITH APPLICATIONS, 2001, 21 (03) :131-137

← 1 →