基于ISA联合聚类的组推荐算法研究

摘要：

[目的]避免在组推荐群组划分阶段对群组个数k值的经验依赖,提高推荐算法的准确率及扩展性.[方法]应用ISA联合聚类算法,从用户、项目两个维度同时聚类,获取精准的重叠兴趣群组;在各群组内结合用户专业度构建出代表群组共同偏好的虚拟用户;最后基于虚拟用户进行协同过滤推荐.[结果]通过ISA联合聚类摆脱了k值依赖,基于ISA联合聚类的组推荐算法在FilmTrust数据集200和500群组规模的MAE值分别为0.697和0.693,MovieLens数据集上RMSE值为1.022,与其他算法相比准确率有所提升.[局限]基于ISA的群组划分算法具有一定的随机性,需多次重复实验.[结论]本文算法能够摆脱传统聚类算法对k值的经验依赖,有效提高协同过滤推荐算法的准确率及扩展性.

关键词：组推荐、ISA、联合聚类、虚拟用户、协同过滤

所属期刊栏目：3

分类号：TP391;G35(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金资助项目“网络舆情中商品口碑意见领袖的识别研究”NR2016004;江苏省教育科学十二五规划课题“基于数据中心的教育考试管理服务平台研究”K-a/201 5/01;江苏省教育科学十二五规划课题“基于手写识别和机器学习的纸笔考试智能评卷研究”项目K-a/2018/01的研究成果之一

在线出版日期：2019-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：77-87