文献类型：期刊文章

作　　者：毛宜钰[1] 刘建勋[1] 胡蓉[1,2] 唐明董[1]

机构地区：[1]湖南科技大学计算机科学与工程学院知识处理与网络化制造湖南省普通高校重点实验室,湖南湘潭411201 [2]南京大学计算机软件新技术国家重点实验室,江苏南京210000

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(61572186;61572187);南京大学计算机软件新技术国家重点实验室资助项目(KFKT2015B04);湖南省高校创新平台开放基金资助项目(15K043)

年　　份：2017

卷　　号：51

期　　号：6

起止页码：1252-1258

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对协同过滤推荐算法的数据稀疏性和可扩展性问题,提出一种基于Logistic函数和用户聚类的协同过滤算法.计算用户对服务关键词的偏好度,构建用户-关键词偏好向量,并基于此向量对用户进行聚类;采用Logistic函数计算用户对服务的兴趣度,并根据兴趣度相似性在目标用户所在类内寻找其最近邻居;通过最近邻居预测用户对服务的兴趣度,将兴趣度较高的服务推荐给用户.基于真实数据集的实验证明,与传统协同过滤算法相比,本文算法能取得更高的准确率,且聚类后算法运行时间显著减少,有效地提高了推荐的实时性.

关 键 词：用户聚类 Logistic函数  服务关键词  协同过滤 数据稀疏性

分 类 号：TP391.3]