改进模糊划分聚类的协同过滤推荐算法
苏庆; 章静芳; 林正鑫; 李小妹; 蔡昭权; 曾永安
【摘 要】针对传统协同过滤(CF)推荐算法存在评分矩阵稀疏、扩展性弱和推荐准确率低的缺陷,提出一种改进模糊划分聚类的协同过滤推荐算法(GIFP-CCF+).在传统基于修正余弦相似度计算方法上,引入时间差因子、热门物品权重因子以及冷门物品权重因子以改善相似度计算结果;同时引入改进模糊划分的GIFP-FCM算法,将属性特征相似的项目聚成一类,构造索引矩阵,同索引间根据项目间的相似度寻找项目最近邻居构成推荐,从而提高协同过滤算法(CF)的精度.通过与Kmeans-CF、FCM-CF和GIFP-CCF算法进行仿真对比实验,证明了GIFP-CCF+算法在推荐结果和推荐精度上具有一定的优越性.
【期刊名称】《《计算机工程与应用》》 【年(卷),期】2019(055)005 【总页数】6页(P118-123)
【关键词】推荐系统技术; 协同过滤; 改进模糊划分; 模糊C均值聚类 【作 者】苏庆; 章静芳; 林正鑫; 李小妹; 蔡昭权; 曾永安
【作者单位】广东工业大学 计算机学院 广州 510006; 惠州学院 计算机科学与技术系 广东 惠州 516007 【正文语种】中 文 【中图分类】工业技术
Computer Engineering and Applications计算机工程与应用2019， 55 （ 5 ）1 引言 近年来， 个性化推荐系统[1]技术在电子商务、 社交网络、广告销售等互联网中应用广泛[2]。推荐系统不需要用户提供明确的需求， 而是通过分析用户的行为给用户 的兴趣建模， 主动向用户推荐能够满足其兴趣和需求的 商品。改进模糊划分聚类的协同过滤推荐算法苏 庆 1， 章静芳 1， 林正鑫 1， 李小妹 1， 蔡昭权 2， 曾永安 11.广东工业大学 计算机学院， 广州 510006 2.惠州学院 计算机科学与技术系， 广东 惠州 516007摘 要： 针对传统协同过滤 （ CF ） 推荐算法存在评分矩阵稀疏、 扩展性弱和推荐准确率低的缺陷， 提出一种改进模糊划分聚类的协同过滤推荐算法 （ GIFP-CCF+） 。在传统基于修正余弦相似度计算方法上， 引入时间差因子、 热门物品 权重因子以及冷门物品权重因子以改善相似度计算结果； 同时引入改进模糊划分的 GIFP-FCM 算法， 将属性特征相 似的项目聚成一类， 构造索引矩阵， 同索引间根据项目间的相似度寻找项目最近邻居构成推荐， 从而提高协同过滤 算法 （ CF ） 的精度。通过与 Kmeans-CF、 FCM-CF 和 GIFP-CCF 算法进行仿真对比实验， 证明了 GIFP-CCF+算法在推 荐结果和推荐精度上具有一定的优越性。关键词： 推荐系统技术； 协同过滤； 改进模糊划分； 模糊 C 均值聚类文献标志码： A中图分类号： TP18 doi： 10.3778/j.issn.1002-8331.1804-0318苏庆， 章静芳， 林正鑫， 等.改进模糊划分聚类的协同过滤推荐算法.计算机工程与应用， 2019， 55 （ 5 ） ： 118-123.SUQing, ZHANG Jingfang, LIN Zhengxin, et al.Collaborative filtering recommendation algorithm based on improvedfuzzy partition clustering.Computer Engineering and Applications, 2019, 55 （ 5 ） ： 118-123.Collaborative Filtering Recommendation Algorithm Based on Improved Fuzzy Partition ClusteringSU Qing1, ZHANG Jingfang1, LIN Zhengxin1, LI Xiaomei1, CAI Zhaoquan2, ZENG Yong’ an11.School of Computer, Guangdong
University of Technology, Guangzhou 510006, China2.Department of Computer Science and Technology, Huizhou University, Huizhou, Guangdong 516007, China Abstract： The traditional Collaborative Filtering （ CF ）recommendation algorithm has the defects of sparse score matrix, weak extensibility and low recommendation accuracy.A collaborative filtering recommendation algorithm （ GIFP-CCF+） isproposed to improve the fuzzy partition clustering.In the traditional calculation method based on modified cosine similarity, the time-difference factor, hot-item weight factor and cold-item weight factor are introduced to improve the similarity calculation results.At the same time, the GIFP-FCM algorithm which improves the fuzzy partition is introduced toform a class of items with similar attributes, construct index matrix, and base on the index.The similarity between items finds the nearest neighbor recommendation of the project, thereby improving the accuracy of the Collaborative Filtering algorithm （ CF ）.By comparing with Kmeans-CF, FCM-CF and GIFP-CCF algorithms, it is proved that the GIFP-CCF+ algorithm has some advantages in recommendation result and recommendation precision.Key words： recommender system;
collaborative filtering; improved fuzzy partition; fuzzy C means clustering基金项目： 国家自然科学基金 （ No.61572142 ） ； 广东省科技计划 （ No.2016B030306004， No.2016A010101027 ） ； 广州市科技计划（ No.201605101034176 ） 。作者简介： 苏庆 （ 1979— ） ， 男， 博士研究生， 副教授， 主要研究方向为可视计算， 软件安全与保护； 章静芳 （ 1992— ） ， 女， 硕士研究生，主要研究方向为推荐系统与算法； 李小妹 （ 1971—
改进模糊划分聚类的协同过滤推荐算法
