基于蝙蝠优化聚类控制的网络数据协同过滤推荐

摘要

为了进一步提高网络数据特征提取能力，设计了一种基于蝙蝠优化聚类控制的网络数据协同过滤推荐方法。以协同过滤推荐算法为基础并型建立细粒度偏好模型，利用蝙蝠优化算法达到聚类效果。研究结果表明：在加权系数处于[0.1,0.5]范围内时，平均绝对误差都会随着加权系数的增加而发生降低，符合用户实际评价要求，使推荐结果得到明显改善。协同过滤推荐方法在提高预测精度下，能够减小邻近邻域搜索区间，提高结果实时性。

关键词

网络数据 / 蝙蝠优化 / 偏好矩阵 / 序列化数据