基于融合GMM聚类与FOA-GRNN模型的推荐算法

作     者：李毅鹏 阮叶丽 张杰 LI Yipeng;RUAN Yeli;ZHANG Jie

作者机构：中南财经政法大学信息与安全工程学院湖北武汉430073 

出 版 物：《网络与信息安全学报》 (Chinese Journal of Network and Information Security)

年 卷 期：2018年第4卷第12期

页      面：25-31页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：校级中央高校基本科研基金资助项目 教育教学改革基金资助项目(No.2018-9) 

主　　题：推荐算法 GMM聚类 果绳优化 广义回归神经网络 Slope One算法 

摘      要：针对传统基于物品的推荐算法由于数据稀疏性导致的低推荐精度问题,提出了一种融合GMM聚类和FOA-GRNN模型的推荐算法。该算法首先使用高斯混合模型(GMM)方法对物品特征进行聚类;然后根据聚类结果分别构造评分矩阵,并使用Slope One算法填充评分矩阵;最后计算用户对物品的相似度预测评分作为输入,通过FOA-GRNN模型输出最终的评分。基于movielens-2k数据集的实验结果表明,与其他3种算法相比,该算法能够更好地处理高稀疏性数据,推荐精度更优,并能够在一定程度上解决冷启动问题。