《表3 预测网络参数表:基于聚类和奇异值分解的协同过滤推荐算法》
在传统的协同过滤算法中,为了找出与当前活动用户相似的用户,需要将此用户和其他所有的用户都比较一遍,才能计算出相似度最高的用户。但随着用户量的增长,全范围逐一比较所需要的计算量会急剧增长,很难实现。因此,本文采用K-means聚类算法减少计算量,即在进行用户相似性计算的时候,先进行聚类,然后在计算每一个活动用户的相似用户时,只需要将当前这个用户与同一聚类内的用户进行比较即可。也就是对用户—属性评分矩阵进行聚类,聚类的结果是生成如表3所示的用户—类别矩阵。其中:m、n、k为类别编号。
图表编号 | XD00198085300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.31 |
作者 | 王红霞、温绍洁 |
绘制单位 | 北京青年政治学院信息传媒艺术学院、北京青年政治学院信息传媒艺术学院 |
更多格式 | 高清、无水印(增值服务) |