10.3969/j.issn.1000-386x.2017.07.047
基于联合聚类和C-RA组合相似度的协同过滤算法
针对传统协同过滤算法由于数据稀疏和冷启动而造成的推荐精度下降的问题,提出一种基于联合聚类和C-RA组合相似度的协同过滤算法.首先,通过联合聚类对原始评分矩阵进行用户和物品两个维度的聚类;其次,利用联合聚类结果填充原始评分矩阵;最后,利用C-RA组合相似度计算用户相似度并进行推荐.实验结果表明,该方法有效地提高了推荐结果的精确度,缓解了数据稀疏和冷启动问题.
协同过滤、冷启动、数据稀疏性、联合聚类、C-RA
34
TP393(计算技术、计算机技术)
河南省科技攻关项目142402210435;河南省高等学校矿山信息化重点学科开放基金项目ky2012-02
2017-08-14（万方平台首次上网日期，不代表论文的发表时间）
共5页
257-261
