计算机工程

作者：徐慧君, 王忠, 马丽萍, 饶华, 何承恩

单位：四川大学 电气工程学院, 成都 610065

关键词：协同过滤,预测填充,Pearson相关系数,Mini Batch K-Means聚类,牛顿冷却定律

基金：四川省科技厅科技支撑计划（2015FZ061）；四川省教育厅2018自然科学重点科研项目（18ZA0307，18ZA0308）。

传统的协同过滤算法存在数据稀疏、可扩展性弱和用户兴趣度偏移等问题，算法运行效率和预测精度偏低。针对上述问题，提出一种改进的Mini Batch K-Means时间权重推荐算法。采用Pearson相关系数改进Mini Batch K-Means聚类，利用改进的聚类算法对稀疏评分矩阵进行聚类，计算用户兴趣评分并完成对稀疏矩阵的填充。考虑用户兴趣随时间变化的影响，引入牛顿冷却时间权重计算相似度，并基于已填充评分矩阵进行相似度加权计算，得到项目最终评分。实验结果表明，与传统协同过滤算法相比，该算法的平均绝对误差下降了31.08%，准确率、召回率、F1值均有较大提升，具有较高的评分预测精确度和准确度。

来源：2020年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第3期