基于聚类分析算法的图书推荐系统的研究

被引：7

作者：

孙彦超

机构：

[1] 北京信息科技大学教务处

来源：

图书馆理论与实践 | 2015年 / 05期

关键词：

协同过滤; 聚类; 最近邻居; 推荐系统; 评价矩阵;

D O I：

10.14064/j.cnki.issn1005-8214.2015.05.023

中图分类号：

G250.7 [图书馆自动化、网络化];

学科分类号：

1205 ; 120501 ;

摘要：

针对协同过滤算法通过用户评分矩阵生成推荐时会遇到"冷启动"、"数据稀疏性"问题,以及忽略用户兴趣实时变化及多样性的特点,笔者在传统协同过滤算法的基础上引入聚类算法,对协同过滤算法进行改进,解决了传统算法的"冷启动"及"数据稀疏性"问题。改进后的算法利用北京信息科技大学图书管理系统中的数据进行实验分析,结果证明新的算法比传统协同过滤算法平均绝对误差小,从而证明改进后的算法具有较高的推荐质量。

引用

页码：76 / 79

页数：4

共 16 条

[1] 协作过滤信息推荐技术研究 [J].

纪良浩 .

重庆邮电大学学报(自然科学版), 2012, 24 (01) :78-82

[2] 协同过滤推荐算法 [J].

吴月萍 ;

郑建国 .

计算机工程与设计, 2011, 32 (09) :3019-3021+3098

[3]

基于协同过滤技术的SCORM数字化教学资源库研究.[D].孙歆.浙江工业大学.2013, 03

[4]

上下文感知推荐系统的研究与应用.[D].蒋鹏.华南理工大学.2013, S2

[5]

基于社会网络分析的协同过滤推荐方法研究.[D].李军平.辽宁大学.2013, 01

[6]

基于用户相似性的协同过滤推荐算法研究.[D].程飞.北京交通大学.2012, 10

[7]

基于内容的自适应博客推荐方法的研究.[D].冯鑫.内蒙古科技大学.2012, 05

[8]

基于Web数据挖掘的智能推荐研究.[D].古丽拜天.卡米尔.中南大学.2010, 02

[9]

基于协同过滤算法的个性化推荐系统的研究.[D].程淑玉.合肥工业大学.2010, 03

[10]

协同过滤推荐算法及其改进研究.[D].王均波.重庆大学.2010, 03

← 1 2 →