基于BOA及二部图的智能推荐算法  

作　　者：汪婧[1] 

机构地区：[1]安徽工程大学,安徽芜湖241000

出　　处：《佳木斯大学学报(自然科学版)》2025年第2期23-26,共4页Journal of Jiamusi University:Natural Science Edition

基　　金：安徽高校自然科学研究项目重点项目(KJ2020A0363)。

摘　　要：在数据信息化时代,互联网数据过载导致用户难以快速获取所需信息,智能推荐算法因此被广泛应用。但是传统过滤算法在智能推荐方面存在局限,因此研究提出了一种基于加权二部图和蝴蝶优化算法的智能推荐算法。该算法通过引入非负矩阵分解,构建用户-标签权重矩阵,并利用基于艾特肯的蝴蝶优化算法改进K-means聚类算法的初始中心点。结果显示。从实验结果来看,与传统协同过滤算法CF和加权二部图推荐算法WBG进行对比,通过降维,混合推荐算法的能在较少的邻居数目下达到较高的准确率;通过缺失值填充,缓解了数据稀疏和冷启动问题;通过加入特征权重,推荐结果混合推荐算法均保持了较高的准确率和可解释性,提升了推荐系统性能。

关 键 词：智能推荐算法 蝴蝶优化算法 加权二部图 非负矩阵分解 协同过滤算法 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]