论文部分内容阅读
从个性化推荐的应用特点出发，提出了一种基于SOFM神经网络的个性化推荐模型，对高维稀疏的样本进行动态聚类．它具有下列特点：（1）在SOFM学习中，引入抑制函数（Restraining Function），使其能够适应顾客评分数据的极端稀疏；（2）设置神经元的分裂和合并过程，使其能够满足顾客聚类的频繁变动．通过实验分析表明，该模型能够明显提高推荐质量。