计算机工程与科学

作者：阎红灿, 王子茹, 李伟芳, 谷建涛

单位：1.华北理工大学理学院，河北 唐山 063210;2.河北省数据科学与应用重点实验室,河北 唐山 063000

关键词：SMOTE,模糊聚类,协同过滤,评分矩阵,时间因子,

基金：中国信息协会“十三五”规划课题（ZXXJ2019030）；河北省社会科学基金（HB17GL071）

随着用户对推荐的准确性和实时性需求的不断提高，从海量用户历史数据中挖掘出用户需要的准确信息是一个极有价值的研究方向。基于模糊聚类的协同过滤算法首先要解决数据稀疏问题，对原始的用户评分数据进行预处理，采用SMOTE过采样技术填充数据有效解决了数据稀疏问题；然后利用模糊聚类实现评分数据的分类，结合艾宾浩斯遗忘曲线，将用户评价的时间戳作为因子对聚类后的数据进行评分预测，以此改善用户爱好随时间变化对推荐效果的影响，解决实时性问题。在MovieLens-100k数据集上的实验结果表明，伴随时间的模糊协同过滤推荐可以明显提高推荐算法的准确性。

来源：2021年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第11期