基于特征聚类和时间序列分析的协同过滤推荐方法.pdfVIP

74基于特征聚类和时间序列分析的协同过滤推荐方法

基于特征聚类和时间序列分析的协同过滤推荐方法

CollaborativeFilteringRecommenderBasedonFeatureClusteringandTimeSeries

徐俊杰付婷婷渊上海大学通信与信息工程学院袁上海200444冤

摘要院分布式系统各节点间的故障特征具有相似性袁推荐方法根据故障特征的相似性给出推荐结果袁能够提升维护效

率遥推荐方法采用相似度全局比对袁计算效率较低遥维护方案的有效性随时间降低袁存在时效性差的问题遥提出了一种基于

特征聚类和时间序列分析的协同过滤推荐方法袁利用K-means算法对故障特征行聚类袁以提升相似度比对的计算效率遥

根据多模态故障特征融合匹配维护方案袁对推荐结果行时间序列分析袁调整维护方案权重袁保证推荐结果的准确性和时效

性遥此外袁利用均值策略实现了评分融合袁建立多故障特征下的组推荐模型遥实验表明袁与UBCF和IBCF两种方法相比袁该

文方法的准确率分别提升了1.27%和4.46%袁召回率分别