基于改进K-均值算法的图书馆图书个性化推荐技术研究OACSTPCD
Research on personalized recommendation technology of library books based on improved K-means algorithm
为提升图书馆服务质量,对图书个性化推荐技术进行研究.对传统 K-均值算法存在的聚类数目选择与初始聚类中心确定困难问题,设定聚类数目范围,通过迭代自适应确定聚类数目,同时基于密度来确定初始聚类中心,实现对算法的改进.将改进K-均值聚类算法应用于高校图书馆图书个性化推荐中,和传统K-均值聚类算法对比结果表明:当迭代步数为 10时,改进K均值算法的挖掘精度相对于传统K均值算法的挖掘精度提高了 11.0%;当迭代次数增加到 20时,两种算法的挖掘精度相差仅为 1.6%,但改进K均值算法所用时间减少了 92.1%,迭代效率大大提升.这对提升高校图书馆服务水平具有一定的参考价值.
高康月
西安财经大学行知学院,陕西西安 710038
计算机与自动化
K-均值聚类算法聚类数目聚类中心图书个性化推荐
K-means clustering algorithmnumber of clusterscluster centerbook personalized recommendation
《现代科学仪器》 2023 (5)
186-191,6
陕西省自然科学基金项目(编号:21SX9323672)
评论