-
题名一种修正评分偏差并精细聚类中心的协同过滤推荐算法
被引量：4
- 1
-
-
作者
马鑫
段刚龙
-
机构
南开大学商学院
西安理工大学经济与管理学院
西安理工大学大数据分析与商务智能实验室
-
出处
《统计与决策》
CSSCI
北大核心
2024年第4期23-27,共5页
-
基金
陕西省软科学项目(2022KRM188)。
-
文摘
协同过滤作为国内外学者普遍关注的推荐算法之一,受评分失真、数据稀疏等问题影响,算法推荐效果不尽如人意。为解决上述问题,文章提出了一种改进的聚类协同过滤推荐算法。首先,该算法利用无监督情感挖掘技术将评论情感映射为一个固定区间中的值,通过加权修正用户评分偏差;然后,构建修正后用户-产品评分矩阵的数据场,利用启发式寻优算法计算最佳聚类数和最优初始聚类中心,进而对用户进行划分聚类,结合最近邻用户相似性与评分产生推荐结果;最后,基于三个自建真实数据集对所提算法性能和有效性进行全面评估。实验结果表明,改进算法在精度Precision、召回率Recall和F1-Score评价指标上的表现均优于其他算法,能够有效应对数据稀疏的问题,提升推荐系统的推荐效果。
-
关键词
评分偏差
随机初始聚类中心
协同过滤
评论情感挖掘
数据场聚类
-
Keywords
rating biases
random initial clustering centers
collaborative filtering
comment sentiment mining
data field clustering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
