资料下载
×
评分矩阵与联合聚类的推荐算法
消耗积分:0 |
格式:pdf |
大小:1.61 MB |
2021-06-03
分享资料个
当前推荐系统多数存在推荐准确性低、受稀疏性影响大且稳定性差的问题，因此，在 Collus聚类算法的基础上，提出一种评分矩阵与联合聚类的推荐算法。通过 Collus联合聚类，利用图模块度最化理论分别将评分矩阵的行与列分成g类，经过行列变换形成gⅹg个低秩评分子矩阵，并对低秩评分子矩阵进行矩阵分解，填充缺失值，以提高推荐质量，在矩阵分解阶段采用改进的非负矩阵分解算法，通过引入范数分别提高特征值选择能力和防止模型过拟合，并利用坐标轴下降的迭代算法进行参数更新。实验结果表明，与基线算法相比，该算法具有较高的推荐准确率，且稳定性较强。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
