%0 Journal Article
%T 协同过滤推荐算法的改进与研究
%J -
%D 2018
%R 10.3969/ j. issn.1673-629X.2018.10.009
%X 针对协同过滤算法中数据稀疏性严重影响推荐精准度的问题,提出了基于因果聚类和模糊相似关系的协同过滤推荐算法。 基于因果聚类的协同过滤推荐算法通过对用户―项目的评分、收藏、特征值等建立矩阵来计算它们之间的相似度,矩阵的建立是基于项目、用户特征值具有因果关联性和相似性;基于模糊相似关系的协同过滤推荐算法通过项目、用户的加权特征法构建三角模糊数来计算相似度,并根据模糊相似矩阵及最佳阈值法来得到连通图截集,从而实现精准、个性化推荐。 实验结果表明,这两种算法都能有效提高相似度计算精度,解决数据稀疏性问题,从而提高推荐的精准度和个性化。 且随着最近邻数量的增加,基于模糊相似关系的协同过滤推荐算法的精准度略高于基于因果聚类的协同过滤推荐算法
%K 推荐系统
%K 协同过滤
%K 因果聚类
%K 模糊相似关系
%K 最大树
%K 阈值
%K 加权
%U http://www.xactad.org//oa/darticle.aspx?type=view&id=201810009