标题：
基于ISA联合聚类的组推荐算法研究
点击次数：
所属单位：
经济与管理学院
发表刊物：
数据分析与知识发现
关键字：
组推荐;ISA;联合聚类;虚拟用户;协同过滤;
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。
ISSN号：
2096-3467
是否译文：
否
发表时间：
2019-08-25
合写作者：
姚叶慧,厉浩,Z99990161,嘎玛白姆
通讯作者：
李珊
发表时间：
2019-08-25
学位：212
职称：副教授
所在单位：经济与管理学院