基于改进K-means的K近邻算法在电影推荐系统中的应用

发布时间：2021-09-08 14:15

　　本文提出一种可用于电影推荐先聚类再分类的方法。首先结合肘部函数预先估算类簇数量,再结合最大最小距离方法的K-means算法对初始聚类中心进行选取,最终得到聚类的簇以及簇的聚类中心。根据用户对电影评分以及用户的个人信息的测试数据与聚类中心之间的相似度,将其分到所属簇,把簇中的样本集作为训练集进行K近邻分类。本文的算法缩小了比对的范围,同时提高了推荐和聚类的准确度。 

【文章来源】：电子技术与软件工程. 2020,(18)

【文章页数】：2 页

【参考文献】：
期刊论文
[1]最小化误差平方和k-means初始聚类中心优化方法[J]. 周本金,陶以政,纪斌,谢永辉.  计算机工程与应用. 2018(15)
[2]数据挖掘中的推荐算法综述[J]. 耿鑫,刘晋佩.  电脑知识与技术. 2012(19)



本文编号：3390934