目前推薦系統(tǒng)研究面臨的主要問題是如何提高推薦準確度和用戶滿意度。為克服原始推薦算法和現(xiàn)存改進算法的局限性,利用一種具有較強全局搜索能力的智能優(yōu)化算法——布谷鳥搜索算法,結合K-means類算法進行改進。在此基礎上,設計了應用于Movielens其中關鍵技術和目前存在問題進行了分析,并指出接下來需開展的研究工作。 

【文章來源】：軟件導刊. 2019,18(04)

【文章頁數(shù)】：4 頁

【參考文獻】：
期刊論文
[1]融合隱語義模型和K-meansplus聚類模型的推薦算法[J]. 喬平安,曹宇,任澤乾.  計算機與數(shù)字工程. 2018(06)
[2]國內外大數(shù)據推薦算法領域前沿動態(tài)研究[J]. 陳軍,謝衛(wèi)紅,陳揚森.  中國科技論壇. 2018(01)
[3]自適應調整的布谷鳥搜索K-均值聚類算法[J]. 王日宏,崔興梅,李永珺.  計算機應用研究. 2018(12)
[4]基于Weighted-slope One的用戶聚類推薦算法研究[J]. 鄭丹,王名揚,陳廣勝.  計算機技術與發(fā)展. 2016(04)
[5]基于平行因子分解的協(xié)同聚類推薦算法[J]. 丁小煥,彭甫镕,王瓊,陸建峰.  計算機應用. 2016(06)
[6]基于改進引力搜索的混合K-調和均值聚類算法研究[J]. 王彩霞.  計算機應用研究. 2016(01)
[7]基于粗糙用戶聚類的協(xié)同過濾推薦模型[J]. 王曉耘,錢璐,黃時友.  現(xiàn)代圖書情報技術. 2015(01)
[8]協(xié)同進化算法研究進展[J]. 王凌,沈婧楠,王圣堯,鄧瑾.  控制與決策. 2015(02)
[9]基于改進人工蜂群算法的K均值聚類算法[J]. 喻金平,鄭杰,梅宏標.  計算機應用. 2014(04)
[10]基于用戶行為模型和蟻群聚類的協(xié)同過濾推薦算法[J]. 任帥,王浙明,王明敏.  微型電腦應用. 2014(03)



本文編號：2961694