基于布谷鸟搜索的聚类推荐算法研究综述

发布时间：2021-01-07 02:13

　　目前推荐系统研究面临的主要问题是如何提高推荐准确度和用户满意度。为克服原始推荐算法和现存改进算法的局限性,利用一种具有较强全局搜索能力的智能优化算法——布谷鸟搜索算法,结合K-means类算法进行改进。在此基础上,设计了应用于Movielens其中关键技术和目前存在问题进行了分析,并指出接下来需开展的研究工作。 

【文章来源】：软件导刊. 2019,18(04)

【文章页数】：4 页

【参考文献】：
期刊论文
[1]融合隐语义模型和K-meansplus聚类模型的推荐算法[J]. 乔平安,曹宇,任泽乾.  计算机与数字工程. 2018(06)
[2]国内外大数据推荐算法领域前沿动态研究[J]. 陈军,谢卫红,陈扬森.  中国科技论坛. 2018(01)
[3]自适应调整的布谷鸟搜索K-均值聚类算法[J]. 王日宏,崔兴梅,李永珺.  计算机应用研究. 2018(12)
[4]基于Weighted-slope One的用户聚类推荐算法研究[J]. 郑丹,王名扬,陈广胜.  计算机技术与发展. 2016(04)
[5]基于平行因子分解的协同聚类推荐算法[J]. 丁小焕,彭甫镕,王琼,陆建峰.  计算机应用. 2016(06)
[6]基于改进引力搜索的混合K-调和均值聚类算法研究[J]. 王彩霞.  计算机应用研究. 2016(01)
[7]基于粗糙用户聚类的协同过滤推荐模型[J]. 王晓耘,钱璐,黄时友.  现代图书情报技术. 2015(01)
[8]协同进化算法研究进展[J]. 王凌,沈婧楠,王圣尧,邓瑾.  控制与决策. 2015(02)
[9]基于改进人工蜂群算法的K均值聚类算法[J]. 喻金平,郑杰,梅宏标.  计算机应用. 2014(04)
[10]基于用户行为模型和蚁群聚类的协同过滤推荐算法[J]. 任帅,王浙明,王明敏.  微型电脑应用. 2014(03)



本文编号：2961694