基于减聚类的遗传模糊的协同过滤算法研究-论文.pdf

《基于减聚类的遗传模糊的协同过滤算法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、总第298期计算机与数字工程Vo1．42No．82014年第8期Computer＆DigitalEngineering1363基于减聚类的遗传模糊的协同过滤算法研究衣治安牟春苗(东北石油大学计算机与信息技术学院大庆163318)摘要通过对传统协同过滤算法中存在的问题以及解决情况进行分析，论文采用了一种混合减聚类的遗传模糊聚类的协同过滤推荐算法，利用混合减聚类的模糊聚类可以更有效地对数据进行柔性划分，更好地发挥遗传算法的全局搜索能力，加快收敛速度，同时也能够很好地解决数据稀疏性带来的冷启动问题。关键词减聚类；模糊聚类；遗传算法；协同过滤算法；推荐算

2、法中图分类号TP18DOI：10．3969／j．issn1672—9722．2014．08．015CollaborativeFilteringAlgorithmBasedonSubtractiveClusteringandGeneticFuzzyYIZhianMUChunmiao(NortheastPetroleumUniversity，CollegeofComputerandInformationTechnology，Daqing163318)AbstractByanalyzingtheproblemsandsolutionsoftraditi

3、onalcollaborativefilteringalgorithms，ahybridgeneticfuzzyclusteringsubtractiveclusteringcollaborativefilteringrecommendationalgorithmisproposed．Thealgorithmisbasedonhybridsubtractiveclusteringandfuzzyclustering，SOitcanbemoreeffectiveforflexibledivisionofthedata．Itmaygreat—lyim

4、provetheglobalsearchingabilityofGeneticAlgorithmandspeeduptheconvergence,ThealgorithmcanalsobeagoodsolutiontOthedatasparsenessproblemcausedbycoldstart．KeyWordssubtractiveclustering，fuzzyclustering，geneticalgorithms，collaborativefilteringalgorithms，recommen—dationalgorithmClas

5、sNumberTP】8询对特定商品时，或进行评分、收藏、下订单等操作1引言时，相关操作的信息被记录下来，并通过与历史信如今已经进人了一个数据爆炸的时代，随着息的对比分析，为用户的浏览行为做出引导，缩短web2．0的发展，Web已经变成数据分享的平台。用户查找信息资源的路径与时间，并从相似用户对那么，人们如何在海量的数据中找到自己需要的信商品的评价及目标用户自身的反馈行为中不断提息将变得越来越难。一方面是信息巨大，而另一方高智能_2]。面是用户的信息需求具有多元化且个性化。然而本文提出了一种混合减聚类遗传模糊算法，该推荐技术是建立在提供个性化服务之

6、上，通过用户混合算法适用于处理不确定性数据的聚类，并且收一般性的交互行为发掘用户兴趣，在不知不觉中帮敛速度快，对于推荐算法中数据稀疏性带来的冷启助用户能更快速地找到他们真实需要的信息[】]。动问题也有很好的效果。随着推荐技术的不断发展，推荐引擎已经在电2协同过滤算法子商务(E-commerce，例如Amazon、当当网)和一些基于social的社会化站点(包括音乐、电影和图协同过滤推荐(CollaborativeFilteringRec—书分享，例如豆瓣)都取得很大的成功。当用户查ommendation)，基本思想是采用某种技术找到目收稿日期：2

7、014年2月11日，修回日期：2014年3月27日作者简介：衣治安，男，硕士，教授，研究方向：数据挖掘与网络通信。牟春苗，女，硕士，研究方向：数据挖掘与网络通信。衣治安等：基于减聚类的遗传模糊的协同过滤算法研究第42卷标用户的若干最近邻居(与目标用户有相似兴趣的其中：R为用户i对商品k的评分，，为用户i评过用户)，然后根据最近邻居对目标项目的评分产生分的商品集合，k是用户i与用户J重合的评分数推荐，把预测评分值最高的多项商品作为该用户的目。推荐列表l3]。3)推荐产生主要步骤：根据目标用户的邻居，运用一定的推荐算法，1)构建用户档案为用户推荐符合

8、的邻居的产品。实质是在用户的通过用户对产品的各种行为(表现出的各类指最近邻居集中查找用户，并将目标用户与查找到的标)，最终形成用户与商品