基于离群数据挖掘的电子商务推荐系统研究

摘要

电子商务推荐系统在推荐的精度和实时性方面,往往存在冲突,即为了提高实时性,会造成推荐精度不高;为提高推荐的整体质量,造成实时性不够准确.对此,找到推荐精度和实时性之间的契合点,是提高系统推荐的重点.本文结合离群数据的特点,提出一种基于改进K均值和PSO的混合算法.针对传统K均值算法在对离群数据挖掘中存在不足的基础上,引入PSO算法,并对欧氏距离、学习因子聚类流程等进行改进,然后对聚类推荐算法流程进行改进.最后,通过试验对比,验证了改进算法在实时性和准确性方面都有较大的提升,由此证明混合算法的可行性.