近年来,随着电子商务市场的急速扩增以及网络购物成交量的日益加大,海量的商品信息充斥着每个消费者的生活,如何方便快捷地为用户提供满足其个性化需求的信息,推荐技术应运而生。协同过滤推荐技术是目前个性化推荐技术中学者们研究的热点,也是应用最广、推荐效果较优的一种推荐技术。
文章介绍常用的推荐算法及其他相关技术,比较各种推荐算法的优缺点。并对协同过滤推荐算法的分类及其存在的问题进行阐述。
对传统的模糊C均值聚类算法中的距离度量公式和初始聚类中心的选择两方面进行优化,将密度函数及马氏距离公式引入传统的模糊C均值聚类算法中,提出模糊C均值聚类优化算法(Fuzzy C-mean s Based on Mahalanobis and Destiny,即FCMBMD算法),实验结果表明：FCMBMD算法不论在聚类的正确性、收敛性及迭代次数方面都优于传统的模糊C均值聚类算法。
再将FCMBMD算法应用到传统的协同过滤推荐技术中,得到基于模糊聚类的协同过滤算法(Collaborative Filtering Algorithm Based on Fuzzy Clustering,即CFABFC算法),该算法针对协同过滤推荐中数据集稀疏性问题,用FCMBMD算法对稀疏数据集进行聚类得到聚类子集,在聚类子集中寻找目标用户近邻并根据用户近邻进行推荐。实验结果表明：CFABFC算法具有更好的推荐效果。
暂无评论