基于K-medoids项目聚类的协同过滤推荐算法

摘要：

针对传统协同过滤推荐算法通常针对整个评分矩阵进行计算,存在效率不高的问题,提出一种基于K-medoids项目聚类的协同过滤推荐算法.该算法根据项目的类别属性对项目进行聚类,构建用户的偏好领域,使用用户偏好领域内的评分矩阵进行用户间相似度的计算,得到目标用户的最近邻居集,并生成推荐结果.与常用的K-means聚类方法相比,采用K-medoids方法对项目类别属性进行聚类,不仅克服了评分聚类可靠性不高的问题,而且算法还具有更好的鲁棒性.实验结果表明,该算法能有效提高推荐质量.

关键词：协同过滤、K-medoids聚类、用户偏好、推荐算法

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61502066;重庆市前沿与应用基础研究一般项目cstc2015jcyjA40025;重庆市社会科学规划管理项目2015SKZ09The National Science Foundation of China61502066;The Chongqing frontier and applied basic research generalcstc2015jcyjA40025;The Social Science Planning Fund Program2015SKZ09

在线出版日期：2017-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：521-526