典型文献
个性化推荐系统中协同过滤推荐算法优化研究
文献摘要：
协同过滤推荐算法是目前个性化推荐系统中应用比较广泛的一种算法.然而,它在处理数据稀疏性、可扩展性等方面存在一定不足.针对数据稀疏性问题,本文首先基于Slope One算法对初始的评分矩阵进行缺失值填充,其次利用基于K-means聚类的协同过滤算法预测目标用户的评分,并结合MovieLens数据集给出了相关对比实验;针对扩展性问题,本文首先提出了一种基于中心聚集参数的改进K-means算法,其次,给出了基于中心聚集参数改进K-means的协同过滤推荐算法流程,并结合MovieLens数据集设计了相关对比实验.实验结果表明,本文所提方法推荐精度均得到显著提高,数据稀疏性和扩展性问题得到了有效改善.因此,本文的研究结论不仅可进一步丰富协同过滤推荐算法的现有理论成果,还可以为提高推荐系统的精度提供理论依据和决策参考.
文献关键词：
推荐系统;决策;协同过滤;中心聚集参数;K-means聚类
中图分类号：
作者姓名：
关菲;周艺;张晗
作者机构：
河北经贸大学 数学与统计学学院,河北 石家庄 050061
文献出处：
引用格式：
[1]关菲;周艺;张晗-.个性化推荐系统中协同过滤推荐算法优化研究)[J].运筹与管理,2022(11):9-14
A类：
中心聚集参数
B类：
个性化推荐系统,协同过滤推荐算法,算法优化,前个,应用比较,数据稀疏性,可扩展性,Slope,One,评分矩阵,缺失值填充,means,协同过滤算法,算法预测,MovieLens,推荐精度,题得,理论成果,决策参考
AB值：
0.208454
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
