计算机工程与科学

作者：陈平华1,王旭彬1,洪英汉2

单位：（1.广东工业大学计算机学院,广东 广州 510006;2.韩山师范学院,广东 潮州 521000）

关键词：有限混合模型,Slope One,基于模型聚类,协同过滤,

基金：广东省教育部产学研结合项目(2012B091100003,2012B091000058)；广东省专业镇中小微企业服务平台建设项目(2012B040500034)

针对多项式有限混合模型参数估计过程中存在的初始化依赖、参数易收敛到边界值以及容易陷入局部最优等问题，引入了最小信息长度准则，优化多项式有限混合模型的参数估计过程。在此基础上，采用基于多项式有限混合模型的聚类算法对用户评分行为进行聚类，利用模型求解得到的聚类归属概率对Slope One算法实施改进。实验结果表明：应用最小信息长度准则对多项式有限混合模型进行优化后，聚类效果明显提高；同时，相比于基于用户聚类的Slope One推荐算法，改进算法具有明显的改进效果。

来源：2016年第4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2016年第4期