基于雙重模糊聚類的協同過濾算法研究.pdf

1、隨著信息時代的高速發(fā)展，推薦系統已成為電子商務領域不可或缺的一部分。推薦系統是為用戶做信息過濾，通過預測得到用戶潛在的興趣產品。協同過濾作為解決信息過載的有效方法之一，成為廣大學者研究的熱點。
　　 本文分析了協同過濾技術發(fā)展及現狀，探討了個性化推薦系統中所采用的方法、技術，比較了各種協同過濾算法，得出了各種協同過濾算法的優(yōu)缺點和適用性。
　　 根據對個性化推薦系統的需求分析，提出了運用模糊聚類過濾算法作為系統的關鍵技術

2、，并對算法做了相應的研究和改進，即在傳統模糊C-均值的基礎上引進平滑方法，對用戶和項目進行雙模糊聚類，較好地解決了數據“稀疏性”問題，采用“離線聚類”與“在線推薦”結合的方法，提高了系統的響應速度和準確度。在預測階段，本文利用能使改進算法達到最低MAE值的最近鄰居來預測用戶未評分項目的評分，并且通過仿真實驗驗證了這種方法比單純用基于用戶模糊聚類或基于項目模糊聚類的協同推薦算法具有更高的推薦質量，更好的推薦效果。
　　 最后，以影