论文部分内容阅读
针对传统协同过滤推荐算法生成推荐速度慢、推荐质量不高等缺陷，提出了一种基于混合蛙跳模糊聚类的改进协同过滤推荐算法。算法首先利用模糊C-均值（FCM）聚类方法对用户数据进行预处理，得到用户数据聚类中心，有效地降低了推荐工作量。然后选取相似度最优的若干聚类组成候选用户邻居集合，并利用混合蛙跳算法快速地全局寻优能力得到用户最近邻居集合，提高了推荐精度。最后，通过计算预测评分生成推荐结果。仿真结果表明，相比于传统协同过滤推荐算法，该算法在推荐速度和推荐精度上有明显改善。