计算机技术与发展2023，Vol.33Issue(3) ：161-166,172.DOI:10.3969/j.issn.1673-629X.2023.03.024

融合FCM和TFNs的协同过滤推荐算法

Collaborative Filtering Recommendation Algorithm Incorporating FCM and TFNs

徐新卫 陶飞 邓佳佳 周俊
计算机技术与发展2023，Vol.33Issue(3) ：161-166,172.DOI:10.3969/j.issn.1673-629X.2023.03.024
✕
  • 维普
  • 万方数据

融合FCM和TFNs的协同过滤推荐算法

Collaborative Filtering Recommendation Algorithm Incorporating FCM and TFNs

徐新卫 1陶飞 1邓佳佳 1周俊2
扫码查看

作者信息

  • 1. 安徽工业大学管理科学与工程学院,安徽马鞍山243032
  • 2. 广东科技学院,广东东莞523073
  • 折叠

摘要

针对推荐算法中的稀疏性问题和传统推荐系统中使用离散评分,用户对物品的喜好程度只能通过5个等级来选取,用户对物品的偏好程度是模糊的且5等级评分不能合理表达用户的喜好,提出一种结合模糊C均值(Fuzzy C-Means,FCM)和梯形模糊数(Trapezoidal Fuzzy Numbers,TFNs)的协同过滤算法.首先,在传统的模糊C均值算法上融合遗传算法,将遗传算法的搜索结果作为模糊C均值的初始聚类中心,以其克服传统FCM搜索极易陷入局部最小值点的缺陷;然后,引入梯形模糊相似度模型,将离散评分数转化为梯形模糊数以此来计算用户相似度,从而利用模糊分数预测估计进行推荐;最后,选取MAE和RMSE作为评估指标,在Movielens数据集中进行实验,实验结果显示所提算法在与其余四种算法对比中预测误差更低,精确度更高,有效提高了推荐质量,也证明了该算法对于稀疏性问题有一定程度上的缓解,表明了该算法的有效性.

关键词

协同过滤/梯形模糊数/模糊C均值/遗传算法/离散评分

引用本文复制引用

基金项目

安徽省省级教学研究项目(2019jyxm0145)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量1
参考文献量8
段落导航相关论文