融合狼群算法和模糊聚类的混合推荐算法

摘要：

针对传统协同过滤推荐算法普遍存在的数据稀疏性问题以及寻找相似用户时存在局限性,提出一种融合狼群算法和模糊聚类的混合推荐算法.在数据处理过程中,根据基于项目的协同过滤算法充分挖掘项目间的数据关系,填充原始矩阵的零值以降低数据稀疏性;从用户的角度出发,根据模糊聚类隶属度的大小筛选出相关邻居集合,扩大相关用户的寻找范围;将狼群算法引入模糊聚类,借助狼群算法全局搜索的优势,提高寻找相似用户的准确度.在真实的数据集上进行对比实验,结果表明,所提算法缓解了数据稀疏的问题,推荐误差明显减小,和传统的推荐算法相比有着良好的推荐效果.

关键词：协同过滤;模糊C-均值聚类;狼群算法;混合推荐

所属期刊栏目：58

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金61772249

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：104-111