原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于Weighted-slopeOne的用户聚类推荐算法研究.PDF
第26卷 第4期 计 算机 技 术 与发 展 Vol.26 No.4
2016年4月 COMPUTERTECHNOLOGY AND DEVELOPMENT Apr. 2016
基于Weighted-slope One 的用户聚类推荐算法研究
郑 丹,王名扬,陈广胜
(东北林业大学信息与计算机工程学院,黑龙江哈尔滨 150040)
摘 要:针对传统协同过滤推荐算法存在的数据稀疏性以及实时性差的问题,提出一种基于Weighted-slope One 的用户聚
类推荐算法。 该算法首先利用Weighted-slope One算法的思想对初始的用户-评分矩阵进行有效填充,降低数据的稀疏
性;然后,结合初始聚类中心优化改进的K -means方法对用户进行聚类,生成相似用户集合,以缩小目标用户搜索最近邻
的范围;最后,结合目标用户所属的聚类,利用基于用户的协同过滤算法搜索最近邻居,为目标用户推荐对应的产品。 仿
真实验结果表明,改进算法可以显著降低数据的稀疏度,同时提升推荐的准确性和实时性。
关键词:协同过滤;高维稀疏矩阵;Weighted-slope One;K -means ;聚类中心
中图分类号:TP311 文献标识码:A 文章编号:1673-629X(2016)04-0051-05
doi:10.3969/j.issn.1673-629X.2016.04.011
Research on User Clustering Recommendation Algorithm
Based on Weighted-slope One
ZHENG Dan,WANG Ming-yang,CHEN Guang-sheng
(College of Information and Computer Engineering,Northeast Forestry University,Harbin 150040,China)
Abstract:Aimingattheproblemsofdatasparsenessandthepoorreal-timeperformanceoftraditionalcollaborativefilteringrecommenda-
tion algorithm,a new user clustering recommendation algorithm based on Weighted-slope One algorithm isproposed.Firstly,the zero i-
temsin user-item matrix are filledby Weighted-slope One algorithm.Thisoperation can effectively reducethe data sparseness.Second-
ly,the usersareclusteredbytheoptimizedK-meansalgorithm.Thisoperationcaneffectivelyfindthenearestneighborofthetargetuser.
Finally,the corresponding productsare recommended to the target usersaccording to their nearest neighbors which are found by the us-
ers’collaborative filteringrecommendationalgorithm.Experimentalresultsshowthattheimprovedalgorithmcan significantlyreducethe
data sparseness,and improve the real time performance
文档评论（0）