论文摘要：基于k-means的协同过滤推荐算法研究

传统的推荐算法在处理个性化推荐问题还存在问题，比如在数据稀疏性以及模型建立方面还存在问题。本论文在传统推荐算法的基础上，提出了一种推荐性能得到提升的解决方案，并在论文的最后对本方案进行验证。

本文的研究目的是提出一种使个性化推荐系统得到提升的改进方案。本文主要从下面两个方面进行研究：对提高推荐系统建模所用的稀疏数据质量的研究、对决定推荐系统优劣的协同过滤推荐算法研究。在数据稀疏性上本论文结合用户评分平均值和项目评分平均值的和的均值，填充稀疏项；在推荐算法环节，本论文首先对训练数据集进行基于k-means算法进行聚类，然后再根据每个子数据集进行推荐。

最后，本论文设计了详细的算法验证试验，所使用的数据集是在学术界被广泛认可的推荐测试数据集Movielens。实验表明，基于k-means聚类算法的协同过滤推荐算法比传统的推荐算法有了大幅度提高，从而证明了该算法的有效性。

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/290049.html