改进模糊划分聚类的协同过滤推荐算法

来源：计算机工程与应用杂志2019年第5期北京时间：

作者：苏 庆1，章静芳1，林正鑫1，李小妹1，蔡昭权2，曾永安1

单位：1.广东工业大学 计算机学院，广州 510006；2.惠州学院 计算机科学与技术系，广东 惠州 516007

摘要：针对传统协同过滤（CF）推荐算法存在评分矩阵稀疏、扩展性弱和推荐准确率低的缺陷，提出一种改进模糊划分聚类的协同过滤推荐算法（GIFP-CCF+）。在传统基于修正余弦相似度计算方法上，引入时间差因子、热门物品权重因子以及冷门物品权重因子以改善相似度计算结果；同时引入改进模糊划分的GIFP-FCM算法，将属性特征相似的项目聚成一类，构造索引矩阵，同索引间根据项目间的相似度寻找项目最近邻居构成推荐，从而提高协同过滤算法（CF）的精度。通过与Kmeans-CF、FCM-CF和GIFP-CCF算法进行仿真对比实验，证明了GIFP-CCF+算法在推荐结果和推荐精度上具有一定的优越性。

关键词：推荐系统技术,协同过滤,改进模糊划分,模糊[C]均值聚类