免费论文：鉴于高维稠密数据聚类的共同过滤引荐算法

电子商务引荐体例是电子商务网站用来向主顾供给商品消息和倡导，并模仿店铺出卖职员扶助主顾简单地实行购置进程的机动化体例。共同过滤引荐算法是暂时引荐体例最胜利的算法。保守的共同过滤引荐算法因为评阅数据稠密性的感化，贬低了引荐截止的精确性。鉴于名目聚类的共同过滤引荐算法经过对名目举行聚类并天生对应的聚类重心，在那些聚类中探求项手段迩来街坊，进而在尽管少的名目空间内探求到目的项手段大局部迩来街坊，灵验地普及引荐体例的及时相映速率。然而，运用保守的名目聚类算法，在引荐精度上生存缺点。 正文对准引荐体例数据集高维稠密的特性，以及暂时共同过滤引荐算法所面对的重要难点，在现有高维稠密数据聚类接洽的普通上，运用评阅数据稠密分别度和名目类型结构汇合分别度襟怀公式，用以在用户—名目评阅矩阵长进行名目聚类，并在此普通长进行名目一致性计划和迩来街坊查问，对用户未评阅的名目举行评阅猜测，从而爆发引荐。试验表明正文提出的鉴于稠密分别度和名目类型的名目聚类算法及在此普通上的共同过滤引荐截止优于保守的K-means聚类算法。同全名目集共同过滤引荐比拟较，在功效和引荐精度上也展现出确定的出色性。比较试验和参数敏锐性领会表露了名目类型因子、名目评阅因子、汇合分别度阈值、迩来街坊查问个数等参数以及名目聚类程序对引荐截止的感化。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/268279.html