论文基于相似传播和情景聚类网络协同过滤推荐算法是关于对不知道怎么写聚类论文范文课题研究的大学硕士、相关本科毕业论文聚类算法论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
〔摘 要〕互联网时代,个性化推荐系统逐渐被应用到各个不同的领域,随之个性化推荐算法也成为目前研究的热点.然而,传统的推荐算法往往存在着冷启动、数据稀疏等问题.本文在对传统推荐算法研究的基础上,提出了一种基于相似传播和情景聚类的协同过滤推荐算法,根据计算用户间的情景相似度对用户进行聚类,然后根据相似传播原理找出目标用户更多的最近邻居,最后根据预测目标用户对项目的评分进行推荐.借助网上公共数据集在Matlab上实现了该算法并验证了算法的有效性.实验结果表明,本文所提算法的准确性相比传统算法有所提高,同时缓解了传统推荐算法存在的冷启动和数据稀疏性等问题.
〔关键词〕相似传播；情景聚类；协同过滤；推荐算法
DOI：10.3969/j.issn.1008-0821.2016.11.009
〔中图分类号〕G2062〔文献标识码〕A〔文章编号〕1008-0821（2016）11-0050-05
〔Abstract〕In the age of the Internet era,the personalized recommendation system gradually is applied to different fields and recommendation algorithm has become a research hot spot at present.Traditional recommendation algorithm,however,often has some problems,for example a cold start,sparse data.In this paper,on the basis of researches on traditional recommendation algorithm,this paper proposed a collaborative filtering recommendation algorithm based on similarity propagation and context clustering.Computing the similarity between user for user clustering,then the paper found more nearest neighbors of target users,according to the similarity propagation to finally,it recommended projects according to the forecast target users ratings.With the help of online public data,the paper implemented the proposed algorithm and verified the effectiveness of the proposed algorithm on Matlab.experiment showed that the accuracy of the proposed algorithm compared with the traditional algorithm was higher,and the proposed algorithm relieved the problems of traditional recommendation algorithm,such as the cold start and sparse data,etc.
〔Key words〕similarity propagation；context clustering；collaborative filtering；recommendation algorithm
如今,互联网已经成为人们获取信息的重要途径.然而,随着网络上信息量越来越大,信息过载的问题也越来越严重,这对人们在网上快速查找精确信息造成了很大的困难.个性化推荐系统能够根据用户的兴趣偏好、项目、需求甚至通过感知用户的情景来向用户推荐信息,这不仅很好地解决了信息过载的问题,同时还满足了用户的个性化需求.在实际应用方面,亚马逊、当当等大型电商网站都开发出了自己的推荐系统.在学术研究领域,个性化推荐方面的研究也逐渐进入学者的视野并得到关注,例如美国的Grouplens团队、Alexander Tuzhilin教授、Paul Resnick教授等对个性化推荐系统及相关的推荐算法进行了深入的研究[1].
1问题的提出
协同过滤推荐算法作为目前研究较成熟、应用范围较广的推荐算法已被广泛地运用于互联网各大推荐系统中[2].然而,传统的协同过滤推荐算法推荐的准确率和推荐效率往往受到多方面的影响,如对于新用户存在的冷启动问题和由于评分矩阵数据稀少导致的数据稀疏问题对推荐算法的质量产生的影响.
本文对传统的推荐算法进行了改进,将相似传播的思想和用户的情景和协同过滤推荐相结合,提出了一种基于相似传播和情景聚类的网络协同过滤推荐算法,在传统协同过滤算法存在的问题得到了较好缓解的同时也提高了推荐算法推荐的准确率.
2相关概念及理论
21情景的定义
情景在不同的领域有不同的定义,心理学、情报学、哲学、组织行为学、教育学、社会学等领域的众多学者都对情景进行了深入的研究和探讨,但关于情景的定义学者们都各执己见,不能达成一致共识,因此情景一直没有统一的定义.Dey等人认为能描述某一实体特征的信息即为情景[3].虽然这一定义目前被广泛引用,但由于不同领域对情景的理解各不相同,情景的定义一直无法准确给出.大多数学者都认同：情景是和实体是不可分的,情景只有和实体产生联系才具有意义,情景可以将实体的相关信息进行详细的描述.
总结:关于免费聚类论文范文在这里免费下载与阅读,为您的聚类相关论文写作提供资料。
参考文献：
1、 一种播存网络环境下的UCL协同过滤推荐方法 摘 要： 为了解决网络由于宽带拥堵、内容冗长等引起信息资源的共享水平与共享效率下降的问题，设计了一种基于播存网络环境下的UCL（Uniform。
2、 基于聚类的二阶段无线传感网络SweepCoverage机制 摘 要：作为WSN网络覆盖中的热点问题之一，Sweep Coverage旨在以较少的传感节点覆盖所有的兴趣点（POIs）。针对现有Sweep C。
3、 基于K—MEANS聚类电商店铺经营策略分析 ◆中图分类号：F272 文献标识码：A内容摘要：本文在对电商店铺商品价格、相关商品数和月销量等数据的挖掘中，建立基于K-MEANS的店铺聚类研。
4、 基于聚类分析智慧城市事部件数据 [摘 要]在智慧城市的建设过程中，大量运行数据伴随着城市管理事部件的处置产生并积累。为分析此类数据，本文利用聚类分析技术，以温岭市太平街道为例，。
5、 基于聚类改进KANO模型B2C网站质量要素 [摘 要] B2C网站质量极大的影响其顾客购买意愿和使用黏性，同时随着市场竞争的日益激烈，对网站改善策略的思考也在不断丰富与深入。对于B2C网站。
6、 聚类分析在郫县烟草卷烟营销方面应用 摘 要：“大数据时代”的来临，为新时期郫县烟草的转型提升提供了创新的发展思路。为准确研判市场、实现精准营销，调研了郫县卷烟市场，用聚类分析、层次。