基于改进LDA-FCM的UserCF知识推荐研究

摘要

针对传统知识推荐算法存在的语义缺失和精准性低问题,提出一种基于改进LDA-FCM的知识推荐算法.首先获取用户知识文档,采用主题优化的LDA模型挖掘用户知识主题.继而通过FCM算法将用户聚类,缩小相似度计算的遍历范围,并采用JS散度代替欧氏距离,实现FCM对象到用户的转换.最后基于UserCF算法构建用户对知识的兴趣指数并进行TOP-N推荐.爬取中国知网500篇期刊论文实测发现,与传统UserCF算法相比,改进算法的准确率、召回率和F1值分别提高了22.35％、55.92％、49.06％.