[1]高灵渲,张巍,霍颖翔,等.改进的聚类模式过滤推荐算法[J].江西师范大学学报(自然科学版),2012,(01):106-110.
　GAO Ling-xuan,ZHANG Wei,HUO Ying-xiang,et al.Improved Clustering Filtering Recommendation Algorithm[J].Journal of Jiangxi Normal University:Natural Science Edition,2012,(01):106-110.
点击复制

改进的聚类模式过滤推荐算法()
分享到：

《江西师范大学学报》（自然科学版）[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2012年01期
页码:
106-110
栏目:
出版日期:
2012-01-01

文章信息/Info

Title:
Improved Clustering Filtering Recommendation Algorithm
作者:
高灵渲;张巍;霍颖翔;滕少华
广东工业大学计算机学院, 广东 广州 510006
Author(s):
GAO Ling-xuan;  ZHANG Wei;  HUO Ying-xiang;  TENG Shao-hua
关键词:
过滤推荐;  聚类;  k-means算法;  欧氏距离;  用户-项目模式
Keywords:
filtering recommendation;  clustering;  k-means algorithm;  Euclidean distance;  user-item model
分类号:
TP 301.4
文献标志码:
A
摘要:
通过对用户推荐项目模式进行建模, 预测新用户的推荐项目归属类别, 从而推测出目标用户对具体推荐项目的评分. 实验结果表明: 该方法可以提高推荐服务的效率, 实用性较高.
Abstract:
The paper recommended by the project mode of user modeling, forecasting new user ownership of the recommended project categories, which speculated that the target users of the specific projects recommended rate. The experimental results indicate that this method can improve the efficiency of items in recommendation systems and with values of practical use.

参考文献/References:

[1] 邓爱林, 朱扬勇, 施伯乐. 基于项目评分预测的协同过滤推荐算法 [J]. 软件学报, 2003(9): 1621-1628.
[2] Herlocker J, Konstan J, Terveen I, et al. Evaluating Collaborative Filtering Recommender systems [J]. ACM Trans on Information Systems, 2004, 22(1): 5-53.
[3] 李涛, 王建东, 叶飞跃, 等. 一种基于用户聚类的协同过滤推荐算法 [J]. 系统工程与电子技术, 2007, 29(7): 1178-1182.
[4] Sarwar B, Karypis G, Konstan J. Item-based collaborative filtering recommendation algo rithms [EB/OL].
[2011-10-18].
[5] Mobasher B, Dai Honghua, Luo Tao, et al. Discovery and evaluation of aggregate usage profiles for web personalization [EB/OL].
[2011-10-18].http://citeseerx.ist.psu.edu/viewdoc/summary? doi=10.1.1.15.9737.
[6] 戴亚娥. 个性化服务中基于模糊聚类的协同过滤推荐 [J]. 计算机工程与科学, 2009, 31(4): 110-116
[7] 董喜梅, 白振轩. 基于聚类模式的推荐算法的研究 [J]. 系统仿真技术, 2011, 7(1): 44-47.
[8] 龚松杰. 基于用户模糊聚类的两阶段协同过滤推荐 [J]. 计算机工程与科学, 2009, 31(4): 153-155.
[9] 周涛, 李华. 基于用户情景的协同过滤推荐 [J]. 计算机应用, 2010(4): 1076-1078.
[10] Han Jianwei, Micheleline K. 数据挖掘: 概念和技术 [M]. 北京: 北京机械工业出版社, 2007: 263.
[11] 王辉, 高利军. 个性化服务中基于用户聚类的协同过滤推荐 [J]. 计算机应用, 2007, 27(5): 1225-1227.
[12] 柯丽, 王明文, 何世柱, 等. 基于频率共现熵的跨语言网页自动分类研究 [J]. 江西师范大学学报: 自然科学版, 2011, 35(3): 240-245.
[13] 李军, 许丽佳, 游志宇. 一直带压缩因子的自适应权重粒子群算法 [J]. 西南大学学报: 自然科学版, 2011, 33(7): 118-122.
[14] 张洪梅, 周东岱, 钟绍春, 等. 一种基于鲁棒性分析的Web应用PIM建模方法 [J]. 东北师范大学学报: 自然科学版, 2010, 42(2): 50-56.
[15] 栗晓聪, 滕少华. 频繁项集挖掘的Apriori改进算法研究 [J].江西师范大学学报: 自然科学版, 2011, 35(5): 498-502.
[16] 范波, 程久军. 用户间多相似度协同过滤推荐算法 [J]. 计算机科学, 2012, 39(1): 23-26.
[17] 何光辉, 鲍丽山, 王蔚韬, 等. 协同过滤推荐项目优化处理的初步研究 [J]. 计算机科学, 2004, 31(10): 76-78.
[18] 杨芳, 潘一飞, 李杰, 等. 一种改进的协同过滤推荐算法 [J]. 河北工业大学学报, 2010, 39(3): 82-87.
[19] 陈孟建. 电子商务系统中协同过滤推荐算法研究 [J]. 商场现代化, 2008(14): 137-139.

相似文献/References:

[1]曹中华,黄 欣,彭文忠,等.基于词嵌入特性聚类的文本主题挖掘[J].江西师范大学学报(自然科学版),2022,(05):468.[doi:10.16357/j.cnki.issn1000-5862.2022.05.05]
　CAO Zhonghua,HUANG Xin,PENG Wenzhong,et al.The Topic Mining Based on Word Embedding Characteristics Clustering[J].Journal of Jiangxi Normal University:Natural Science Edition,2022,(01):468.[doi:10.16357/j.cnki.issn1000-5862.2022.05.05]

更新日期/Last Update: 1900-01-01