[发明专利]基于信息熵与模糊C均值聚类的推荐系统噪声过滤方法

摘要

本发明公开了基于信息熵与模糊C均值聚类的推荐系统噪声过滤方法，其步骤如下：第一步是收集整理目标推荐系统的用户历史评分数据；第二步、使用蒙特卡洛随机模拟，构建用户评分数据的子数据集，运行推荐算法，获取到不同子数据集的信息熵与推荐精度；第三步、对信息熵集合按照不确定性高低进行分类，对推荐精度集合按照推荐精度的高低进行分类，构建经验模型判断潜在自然噪声数据的比例；第四步、对所有的用户评分数据集进行模糊聚类分析，识别并删除噪声数据；第五步、对所有的评分数据集运行推荐算法，使用推荐精度指标评价推荐质量。本发明能够实现用户评分信息的量化度量,提出的自然噪声数据过滤技术具有一定的普适性与移植性。

主权项

基于信息熵与模糊C均值聚类的推荐系统噪声过滤方法，其特征在于包含以下步骤：步骤1、收集整理目标推荐系统的用户历史评分数据；步骤2、使用蒙特卡洛随机模拟，构建用户评分数据的子数据集，运行推荐算法，获取到不同子数据集的信息熵与推荐精度；步骤3、对信息熵集合按照不确定性高低进行分类，对推荐精度集合按照推荐精度的高低进行分类，构建经验模型判断潜在自然噪声数据的比例；步骤4、对所有的用户评分数据集进行模糊聚类分析，识别并删除噪声数据；步骤5、对所有的评分数据集运行推荐算法，使用推荐精度指标评价推荐质量，对比自然噪声数据过滤前后不同数据集的推荐精度，评价所提出技术在目标数据集的适用性。