混合粒子群遗传算法的协同过滤推荐模型

发布时间：2018-03-26 15:47

  本文选题：协同过滤　切入点：粒子群算法　出处：《小型微型计算机系统》2017年03期

【摘要】：在处理大数据方面,协同过滤算法在用户相似度计算方面存在数据稀疏性和推荐效果不明显的问题.利用协同过滤算法的优点,引入时间模型和信任度模型进一步过滤,提高协同过滤算法的精确率;同时采用粒子群算法和分层遗传算法进行混合优化,分层遗传算法可弥补粒子群算法容易陷入局部最优的缺陷,粒子群算法可加快混合算法的收敛速度;在Book Crossing数据集上做推荐对比实验.结果表明,在得到最近邻用户群的基础上,使用粒子群算法和分层遗传算法进行资源推荐,相比其他资源推荐算法,提高了资源推荐的质量.
[Abstract]:In the aspect of processing the large data , the collaborative filtering algorithm has no obvious data sparsity and recommendation effect in the calculation of user similarity . By using the advantages of the collaborative filtering algorithm , the time model and the trust degree model are introduced to further filter , so that the precision rate of the cooperative filtering algorithm can be improved ; meanwhile , the particle swarm optimization algorithm and the hierarchical genetic algorithm are adopted to optimize the convergence speed of the hybrid algorithm .

【作者单位】： 华中师范大学物理科学与技术学院;
【基金】：国家自然科学基金项目(71471073)资助 教育部重大支撑项目(2013BAH30F00)资助 湖北省高等学校省级教学研究项目(ccnu201315)资助;湖北省高等学校省级教学研究项目(ccnu201439)资助
【分类号】：TP391.3;TP18

【参考文献】

相关期刊论文 前3条

1 杨书新;彭秋英;王希;;基于贝叶斯方法与聚类的上下文感知推荐[J];小型微型计算机系统;2015年10期

2 程树林;刘跃军;;基于时间感知和用户兴趣重要度融合的文档推荐模型[J];小型微型计算机系统;2015年09期

3 荣辉桂;火生旭;胡春华;莫进侠;;基于用户相似度的协同过滤推荐算法[J];通信学报;2014年02期

【共引文献】

相关期刊论文 前10条

1 吴彦文;王洁;王飞;;混合粒子群遗传算法的协同过滤推荐模型[J];小型微型计算机系统;2017年03期

2 吴彦文;王洁;;基于混合遗传粒子群优化推荐算法的设计[J];计算机工程与设计;2017年02期

3 赵文涛;成亚飞;王春春;;基于Logistic时间函数和用户特征的协同过滤算法[J];计算机应用与软件;2017年02期

4 于美琪;邝砾;呙斌;曹高峰;;融合社会网络和项目特征的移动应用推荐[J];小型微型计算机系统;2017年02期

5 张s，

本文编号：1668509