融合 FCM 和 TFNs 的协同过滤推荐算法

来源：计算机技术与发展杂志2023年第03期北京时间：

作者：徐新卫;陶飞;邓佳佳;周俊

单位：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

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