基于某聚类地推荐算法

《基于某聚类地推荐算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、曲靖师范学院本科生毕业论文论文题目:一种基于项目聚类的推荐算法作者、学号：何芸娜2010112142学院、年级：数学与信息科学学院2010级学科、专业：数学信息与计算科学指导教师：刘永财完成日期：2014年5月27日曲靖师范学院教务处一种基于项目聚类的推荐算法摘要推荐系统是帮助用户评估他没有发现的内容,从而克服信息超载的一种有效工具.对于推荐系统的研究,既有重大的社会意义,又有重大的经济价值.推荐系统早在上世纪九十年代就已经被提出并进行了广泛的研究.在现代信息爆炸的年代,用户在网上留下的评分数据成了一个很大的数据库.本文介绍了一种基于项目聚类的协同过滤推荐算法及比较简单实用的聚类分析算法—

2、k-means算法,利用该推荐算法合理开发并利用这些资源.主要通过k-means算法求出根据项目相似性度量,从而对项目进行聚类.文中介绍的推荐算法,其核心目的在于解决数据稀疏性优势的基础上,使用聚类分析技术对原始信息进行处理,通过简单实用的k-means聚类算法将用户的行为模型转化为兴趣模型从而实现了更精准的推荐.关键词:推荐系统；聚类分析；相似性度量；k-means算法BasedontheprojectclusteringrecommendationalgorithmAbstract:Recommendationsystemistohelpusersassessthecontenthed

3、idnotfoundaneffectivetooltoovercometheinformationoverload.Recommendationsystemforthestudyofbothmajorsocialsignificance,butalsoofgreateconomicvalue.Recommendationsystemearlyinthelastcenturyninetyyearshasbeenproposedandcarriedoutextensiveresearch.Inthemoderneraofinformationexplosion,leavingthescorei

4、ntheonlineuserdataintoalargedatabase.Thispaperdescribesaproject-basedclusteringcollaborativefilteringalgorithmisrelativelysimpleandpracticalclusteringalgorithm-k-meansalgorithm,usingtherecommendedalgorithmdevelopmentandrationaluseoftheseresources.mainlydeterminedbyk-meansalgorithmbasedonprojectsim

5、ilaritymeasure,sotheprojectcluster.Thisarticledescribestherecommendationalgorithm,itscorepurposeistosolvethedatasparsity-basedadvantages,theuseofclusteranalysistechniquestoprocesstheoriginalinformationthroughsimpleandpracticalk-meansclusteringalgorithmtomodelthebehavioroftheuserinterestmodelthustr

6、ansformedintotoachieveamoreaccuraterecommendations.Keyword:recommendationsystemclusteringanalysissimilaritymeasurementk-meansarithmetic目录1引言12聚类分析33基于项目聚类的推荐算法53.1ISODATA算法53.2k-means聚类算法63.3k-means聚类算法的算法步骤73.4k-means算法和ISODATA算法83.5简单推荐过程的实现94k-means聚类算法的实现104.1k-means聚类算法模型建立104.2k-means聚类算法的性能

7、分析114.3MovieLens电影评分数据集124.4k-means聚类算法实验过程及结果13总结16参考文献17致谢18附录191引言文献[1]“互联网信息环境中信息超载问题研究”中介绍了计算机及互联网的飞速发展而使得人类从信息贫乏时代进入了信息超载时代.在这个信息爆炸[1]的时代,无论对于作为信息消费者的用户和信息生产者的媒体与商家都受到了海量信息带来的新挑战.一方面,普通用户很难从海量信息中发现自己感兴趣的部分；