基于TF-IDF与用户聚类的推荐算法

摘要：

针对基于用户协同过滤推荐算法未考虑物品特征对推荐效果存在影响的情况,提出基于TF-IDF(词频-逆文本频率指数)与用户聚类的推荐算法.利用TF-IDF算法得到物品的2类特征信息:用户-物品-特征TF值矩阵和特征的TF-IDF,将上述矩阵与用户身份属性信息合并后利用K-means聚类分析缩小用户集,并利用特征的TF-IDF值改进相似度计算公式,经计算后生成推荐列表.通过实验分析参数取不同值情况下对推荐算法效果的影响,并将该算法与传统的基于用户的协同过滤算法进行比较,能够验证所提出的推荐算法更优,最终结果表示上述算法可以得到不错的推荐效果.

关键词：基于用户、物品特征信息、词频-逆文本频率指数、聚类

所属期刊栏目：39

分类号：TP3(计算技术、计算机技术)

在线出版日期：2022-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：341-345