-
题名一种改进的K-means算法最佳聚类数确定方法
被引量:12
- 1
-
-
作者
边鹏
赵妍
苏玉召
-
机构
中国科学院国家科学图书馆
中国科学院研究生院
郑州航空工业管理学院计算机科学与应用系
-
出处
《现代图书情报技术》
CSSCI
北大核心
2011年第9期34-40,共7页
-
文摘
对BWP方法进行研究,从嵌入式NSTL个性化推荐的文本聚类需求入手,分析BWP方法的不足,提出一种改进的K-means算法最佳聚类数确定方法。对单一样本类的类内距离计算方法进行优化,扩展BWP方法适用的聚类数范围,使原有局部最优的聚类数优化为全局最优。实验结果可以验证该方法具有良好性能。
-
关键词
k—means聚类聚类数文本聚类推荐系统
-
Keywords
k - means cluster Cluster number Text clustering Recommending system
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名融合社会网络和项目特征的移动应用推荐
被引量:3
- 2
-
-
作者
于美琪
邝砾
呙斌
曹高峰
-
机构
中南大学软件学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第2期310-313,共4页
-
基金
国家自然科学基金项目(61202095)资助
中南大学科研基金项目(7608010001)资助
-
文摘
随着移动应用的数量增长,如何在海量应用中为用户推荐其感兴趣的应用受到了广泛关注.传统的协同过滤算法通过提取用户共同评分项目信息来计算用户相似度.然而,协同过滤算法普遍存在数据稀疏性问题,这在一定程度上导致了Pearson公式的计算结果不能准确的反映用户的相似程度.为了改善由于数据稀疏性问题导致的推荐结果不准确,我们使用K-means方法对项目进行基于语义相似的聚类,以实现基于相似项目的用户相似度计算,在此基础上,提出一种融合社会网络和项目特征的移动应用推荐.实验表明:融合了社会网络和项目特征的移动应用推荐能够缓解数据稀疏性问题对协同过滤算法的不利影响,在一定程度上提高了推荐结果的准确度.
-
关键词
k—means聚类
语义相似度
协同过滤
推荐系统
-
Keywords
k-means clustering
semantic similarity
collaborative filtering
recommender system
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-