久久精品观看I国产黄色资源I天天综合网在线I精品网站999wwwIav观看在线观看I日韩二级毛片I日韩中文幕I日韩免费视频播放

為克服在線視頻網(wǎng)站中出現(xiàn)的數(shù)據(jù)稀疏性和推薦實(shí)時(shí)性不佳的問(wèn)題,本文提出一種基于用戶聚類的改進(jìn)算法。首先該算法以商品屬性為輔助預(yù)填充矩陣空白,然后采用初始聚類中心優(yōu)化的k-means算法在矩陣上對(duì)用戶進(jìn)行離線聚類,將興趣點(diǎn)相同的用戶聚集到同一類別中,最后在線尋找目標(biāo)用戶最近鄰并產(chǎn)生推薦。本文采用Movie Lens作為測(cè)試數(shù)據(jù)集,實(shí)驗(yàn)結(jié)果表明,本文算法可以有效緩解數(shù)據(jù)稀疏性及改善實(shí)時(shí)性,并在一定程度上提高推薦精度。 用來(lái)計(jì)算預(yù)測(cè)評(píng)分與實(shí)際評(píng)分的偏差水平，且誤差值越小，證明預(yù)測(cè)評(píng)分與實(shí)際評(píng)分越接近，本文選取MAE計(jì)算誤差。3．2實(shí)驗(yàn)結(jié)果在實(shí)驗(yàn)開(kāi)始前需要確定ε值，MinPts值和聚類數(shù)k協(xié)同過(guò)濾推薦算法-電動(dòng)折彎?rùn)C(jī)數(shù)控滾圓機(jī)滾弧機(jī)張家港電動(dòng)液壓縮管機(jī)滾圓機(jī)滾弧機(jī)。ε值的選取不宜過(guò)大但也不能太小，取值小導(dǎo)致各點(diǎn)之間點(diǎn)密度的區(qū)分小，過(guò)大會(huì)造成各點(diǎn)計(jì)算得到的點(diǎn)密度很小，后續(xù)無(wú)法準(zhǔn)確標(biāo)記核心點(diǎn)集。

轉(zhuǎn)載中國(guó)知網(wǎng)整理! www.suoguanjixie.name本文首先將ε值設(shè)置為0．48，然后以0．02作為增量逐漸將取值增加至0．56，分別計(jì)算各個(gè)取值下的MAE值，實(shí)驗(yàn)結(jié)果如圖2所示，由此得到ε值為0．5，MinPts值為90。圖2本文算法在不同ε下的MAE到k個(gè)初始聚類中心。上述改進(jìn)的算法不再隨機(jī)選取k個(gè)點(diǎn)作為初始聚類中心，而是選擇數(shù)據(jù)集中相似度小的一組點(diǎn)，這樣可以有效避免隨機(jī)選取帶來(lái)的聚類結(jié)果不穩(wěn)定的問(wèn)題。同時(shí)，由于初始聚類中心的選取只在M中而非全局進(jìn)行，該算法極大縮小了選取范圍。2基于用戶聚類的協(xié)同過(guò)濾推薦算法本文提出的改進(jìn)算法的核心思想如圖1所示。圖1本文算法流程圖2．1基于商品屬性進(jìn)行聚類每一商品都可以用屬性進(jìn)行描述［10］。例如，電影有語(yǔ)言、上映時(shí)間、題材等屬性。屬性是商品本身所具有的特性，與用戶對(duì)商品的評(píng)分相比穩(wěn)定性更高。本文用aij來(lái)表示商品i的第j個(gè)屬性，aij∈{0，1}。若商品i具有第j個(gè)屬性，則aij=1，反之，則aij=0，由此可以構(gòu)建商品—屬性矩陣A=a()ijnt，其中n行代表n個(gè)商品，t列代表t個(gè)商品屬性。在基于商品屬性進(jìn)行聚類時(shí)，傳統(tǒng)的k－means算法通過(guò)計(jì)算歐式距離對(duì)商品進(jìn)行劃分，本文使用歐式距離的倒數(shù)來(lái)計(jì)算任意兩商品之間的相似性:asim(i，j)=11+d(i，j)=11+∑tk=1aik－a()jk槡2(1)其中aik和ajk分別表示i和j的第k個(gè)屬性。2．2對(duì)評(píng)分矩陣進(jìn)行預(yù)填充，得到稠密矩陣原始的評(píng)分矩陣非常稀疏，在稀疏矩陣上進(jìn)行用戶聚類會(huì)造成較大誤差，進(jìn)而無(wú)法準(zhǔn)確找到用戶最近鄰，最終影響推薦結(jié)果的精度。因此，本文提出依據(jù)“協(xié)同過(guò)濾推薦算法-電動(dòng)折彎?rùn)C(jī)數(shù)控滾圓機(jī)滾弧機(jī)張家港電動(dòng)液壓縮管機(jī)滾圓機(jī)滾弧機(jī) 轉(zhuǎn)載中國(guó)知網(wǎng)整理! www.suoguanjixie.name