科研成果详情

本发明涉及一种基于k-medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法,采用如下步骤：A、采用最小化最大相似度准则确定K个初始聚类中心；B、根据相似度和最大的k-medoids聚类算法对项目进行聚类；C、在聚类基础上,寻找用户局部最近邻；D、将用户全局最近邻与局部最近邻以相似度和之比作为权值进行融合,根据用户全局最近邻与局部最近邻对项目的评分预测用户对项目的评分。本发明同现有技术相比,更大限度地利用了已有的数据,缓解了数据极端稀疏性对推荐的影响,同时提高了评分预测的精度,为用户提供更好的推荐结果。

一种基于k#medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法,其特征在于,包括如下步骤：1)采用最小化最大相似度准则确定K个初始聚类中心；2)根据相似度和最大的k#medoids聚类算法对项目进行聚类；3)在聚类基础上,寻找用户局部最近邻；4)将用户全局最近邻与局部最近邻以相似度和之比作为权值进行融合,根据用户全局最近邻与局部最近邻对项目的评分,预测用户对项目的评分,完成推荐。