标题：基于特征聚类和时间序列分析的协同过滤推荐方法
作者：徐俊杰 付婷婷
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：推荐方法；协同过滤；特征聚类；时间序列分析
摘要：分布式系统各节点间的故障特征具有相似性，推荐方法根据故障特征的相似性给出推荐结果，能够提升维护效率。推荐方法采用相似度全局比对，计算效率较低。维护方案的有效性随时间降低，存在时效性差的问题。提出了一种基于特征聚类和时间序列分析的协同过滤推荐方法，利用K-means算法对故障特征进行聚类，以提升相似度比对的计算效率。根据多模态故障特征融合匹配维护方案，对推荐结果进行时间序列分析，调整维护方案权重，保证推荐结果的准确性和时效性。此外，利用均值策略实现了评分融合，建立多故障特征下的组推荐模型。实验表明，与UBCF和IBCF两种方法相比，该文方法的准确率分别提升了1.27%和4.46%，召回率分别提升了2.77%和0.61%。