声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：邱宁佳,王宪勇,王鹏,杨华民,
单位：长春理工大学计算机科学技术学院,长春130022；
关键词：推荐算法,最小哈希签名,时序模型,权重拟合,谱聚类,
基金：吉林省科技发展计划技术攻关项目(20190302118GX)；；
传统协同过滤推荐算法存在时序性过低以及用户过多时数据稀疏相似用户计算复杂度高等问题。为此，提出融合最小哈希签名（MHS）与时序模型预测（AIM-RT）的谱聚类优化推荐算法。首先使用MHS与Levenshtein距离测度对用户—项目评分矩阵提取相似用户；然后利用时序模型进行权重拟合的AIM-RT预测算法预测评分补全相似用户稀疏矩阵；最后结合谱聚类进行相似用户优化，找到最优相似用户集合完成最终推荐。通过实验分析验证表明，所提推荐算法能够在计算复杂度、评分预测精度、数据缺失填补等方面提高整体推荐性能。
来源：2020年第11期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。