基于人工蜂群的移动终端大数据半监督推荐

发布时间：2024-04-11 21:44

　　传统移动终端大数据推荐算法无法获取数据项目类间与类内分布信息熵，样本标记出现偏差，导致推荐精度偏低，用户满意度偏低。提出移动终端大数据半监督推荐算法。结合项目评分矩阵和属性矩阵，运算用户偏好权值，引入信息熵概念，获取项目属性类间与类内分布信息熵。构建用户偏好模型，确定聚类目标函数。利用人工蜂群半监督算法，通过标记与未标记样本，优化目标函数；选取最佳聚类中心，使用余弦法计算具有相同偏好用户间的相似度，确定近邻数量。采用加权平均值实现用户对所有项目评分，并按从高到低的顺序对评分结果排序，将得分靠前的项目推荐给用户。仿真结果证明，上述方法下大数据聚类结果精确，可避免陷入局部最优，且大数据推荐误差低，提高了用户满意度。

【文章页数】：5 页

【文章目录】：
1 引言
2 用户喜好模型构建
3 基于半监督推荐的移动终端大数据推荐
    3.1 半监督人工蜂群用户聚类
        1)聚类数学模型
        2)目标函数优化
    3.2 推荐实现
        1)用户相似度计算与近邻数量获取
        2)评分预测
        3)推荐结果生成
4 仿真数据分析与研究
5 结论



本文编号：3951188