资料下载
×
基于改进协同过滤算法的时间权重推荐
消耗积分:0 |
格式:pdf |
大小:1.97 MB |
2021-06-03
分享资料个
传统的协同过滤算法存在数据稀疏、可扩展性弱和用户兴趣度偏移等冋题，算法运行效率和预测精度偏低。针对上述问题，提出一种改进的 Mini batch K- Means时间权重推荐算法。采用 Pearson相关系数改进MiBatch K- Means聚类，利用改进的聚类算法对稀疏评分矩阵进行聚类，计算用户兴趣评分并完成对稀疏矩阵的填充。考虑用户兴趣随时间变化的影响，引入牛顿冷却时间杈重计算攝似度，并基于已填充评分矩阵进行相似度权计算，得到项目最终评分。实验结果表明，与传统协同过滤算该算法的平均绝对误差下降了31.08%，准确率、召回率、門Ⅰ值均有较大提升，具有较髙的评分预测精确。
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
