%0 Journal Article %A 王兴茂 %A 张兴明 %A 吴毅涛 %A 潘俊池 %T 基于启发式聚类模型和类别相似度的协同过滤推荐算法 %D 2016 %R 10.3969/j.issn.0372-2112.2016.07.027 %J 电子学报 %P 1708-1713 %V 44 %N 7 %X

基于k-近邻的协同过滤推荐算法对于邻居数量k的确定过于主观,并且推荐时以k-近邻均值加权推荐不够准确.针对这两个问题,本文首先引入并改进最大最小距离聚类算法,进而设计启发式聚类模型将用户进行不规定类别数的自由聚类划分,目标用户所在类的用户为邻居用户,客观确定邻居数量;然后在推荐时定义类别相似度,针对性地建立目标用户未评分和评分项目的潜在类别关系,改进k-近邻均值加权算法.实验结果表明,该算法提高了推荐准确度(约0.035MAE).

%U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2016.07.027