基于分步聚類(lèi)和相似度優(yōu)化的協(xié)同過(guò)濾算法.pdf

1、目前，協(xié)同過(guò)濾技術(shù)是個(gè)性化推薦系統(tǒng)中使用較廣泛、應(yīng)用較成功的一種個(gè)性化推薦技術(shù)。但在實(shí)際應(yīng)用過(guò)程中，隨著推薦系統(tǒng)規(guī)模的擴(kuò)大和內(nèi)部數(shù)據(jù)量的增多，協(xié)同過(guò)濾推薦技術(shù)暴露出了“數(shù)據(jù)稀疏性”、“擴(kuò)展性差”和“推薦精度低”等問(wèn)題。針對(duì)協(xié)同過(guò)濾算法存在的不足問(wèn)題，本文提出了基于分步聚類(lèi)和相似度優(yōu)化的協(xié)同過(guò)濾算法。
　　首先，針對(duì)協(xié)同過(guò)濾算法存在的擴(kuò)展性差和數(shù)據(jù)稀疏性問(wèn)題，本文在基于聚類(lèi)的協(xié)同過(guò)濾算法基礎(chǔ)上，提出一種分步聚類(lèi)策略。在對(duì)項(xiàng)目和用戶(hù)進(jìn)

2、行分步聚類(lèi)操作時(shí)，本文引用了一種改進(jìn)的K-means算法，避免了初始聚類(lèi)中心選擇的過(guò)于近鄰而導(dǎo)致算法陷入局部最優(yōu)解。分步聚類(lèi)策略旨在提高算法的擴(kuò)展性，緩解評(píng)分?jǐn)?shù)據(jù)過(guò)于稀疏對(duì)聚類(lèi)結(jié)果的影響。
　　然后，針對(duì)協(xié)同過(guò)濾算法中相似度的直接計(jì)算而導(dǎo)致推薦精度低的問(wèn)題，本文根據(jù)評(píng)分預(yù)測(cè)公式推導(dǎo)出了用戶(hù)之間相似度的優(yōu)化算法。并在分步聚類(lèi)的基礎(chǔ)上，利用相關(guān)簇類(lèi)中的評(píng)分?jǐn)?shù)據(jù)對(duì)用戶(hù)之間的相似度進(jìn)行訓(xùn)練與優(yōu)化，旨在不失算法擴(kuò)展性的同時(shí)，提高相似度的計(jì)算