为了提高协同过滤推荐质量,提出了集成k—means聚类和有监督特征选择的混合式协同过滤推荐框架和KDICF算法。利用有监督特征选择的方法和技术,找出与待预测项目强相关的项目集,将高维稀疏的用户一项目评分数据集转为低维用户一项目评分数据集,并运用k—means聚类,在此基础上寻找近邻用户对目标用户未评分项目进行评分预测。
基于奇异值分解和k-means聚类的电子商务推荐算法研究 应用最为广泛的推荐技术.在协同过滤推荐研究领域中,主要涉及的模型问题多数是数据的稀疏性和可扩展性,以及推荐精度的问题,而k-means聚类算法是一种无监督学习的算法... 刘雯 - 《华中师范大学》 被引量: 1发表: 2015年 ...
【目的】将粗糙集引入到基于用户聚类的协同过滤中,提高推荐质量。【方法】提出一种基于粗糙用户聚类的协同过滤推荐模型:离线时采用粗糙K-means用户聚类算法,根据用户... 王晓耘,钱璐,黄时友 - 《数据分析与知识发现》 被引量: 33发表: 2015年 基于聚类和项目类别偏好的协同过滤推荐算法研究 第三章:基于K-means和...