基于模糊C均值聚类的环境感知推荐算法

被引：16

作者：

张付志

常俊风

周全强

机构：

[1] 燕山大学信息科学与工程学院

[2] 河北省计算机虚拟技术与系统集成重点实验室(燕山大学)

来源：

计算机研究与发展 | 2013年 / 50卷 / 10期

基金：

高等学校博士学科点专项科研基金;

关键词：

环境感知; 模糊C均值聚类; 隶属矩阵; 隶属映射; 推荐算法;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

摘要：

针对现有环境感知推荐算法存在的不足,提出一种基于模糊C均值聚类的环境感知推荐算法.首先采用模糊C均值聚类算法对历史环境信息进行聚类,产生聚类及隶属矩阵;然后匹配活动用户环境信息与历史环境信息聚类,采用聚类隶属度作为映射系数将符合条件的非隶属数据映射为隶属数据,最终选择与活动环境匹配的隶属用户评分数据为用户产生推荐.同现有算法相比,该算法不仅解决了因用户环境改变不能准确推荐项目的问题,而且通过采用模糊聚类算法克服了传统硬聚类问题,并且借助于隶属映射函数解决了聚类产生的数据稀疏性问题.在MovieLens数据集上比较了新算法和其他算法的性能,验证了所提算法的有效性.

引用

页码：2185 / 2194

页数：10

共 10 条

[1] 协同过滤推荐算法综述 [J].

马宏伟 ;

张光卫 ;

李鹏 .

小型微型计算机系统, 2009, 30 (07) :1282-1288

[2] 互联网推荐系统比较研究 [J].

许海玲 ;

吴潇 ;

李晓东 ;

阎保平 .

软件学报, 2009, 20 (02) :350-362

[3] 基于云模型的协同过滤推荐算法 [J].

张光卫 ;

李德毅 ;

李鹏 ;

康建初 ;

陈桂生 .

软件学报, 2007, (10) :2403-2411

[4] 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

[5] 模糊聚类方法中的最佳聚类数的搜索范围 [J].

于剑 ;

程乾生 .

中国科学E辑:技术科学, 2002, (02) :274-280

[6]

New modifications and applications of fuzzy C -means methodology[J] . Computational Statistics and Data Analysis . 2007 (5)

[7] Incorporating contextual information in recommender systems using a multidimensional approach [J].

Adomavicius, G ;

Sankaranarayanan, R ;

Sen, S ;

Tuzhilin, A .

ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2005, 23 (01) :103-145

[8]

Eigentaste: A Constant Time Collaborative Filtering Algorithm[J] . Ken Goldberg,Theresa Roeder,Dhruv Gupta,Chris Perkins.Information Retrieval . 2001 (2)

[9] Understanding and Using Context [J].

Dey, Anind K. .

PERSONAL AND UBIQUITOUS COMPUTING, 2001, 5 (01) :4-7

[10] Constructive consumer choice processes [J].

Bettman, JR ;

Luce, MF ;

Payne, JW .

JOURNAL OF CONSUMER RESEARCH, 1998, 25 (03) :187-217

← 1 →