结合用户聚类和项目类型的协同过滤算法

摘要：

为了解决协同过滤算法中数据稀疏性问题,提高推荐效果,提出一种改进的协同过滤算法.该算法首先通过一种新的相似度计算方法来计算项目类型相似度,将相似度大于某阈值的项目作为目标项目的邻居;然后根据目标用户对邻居项目的评分信息来预测该用户对目标项目的评分值,并将预测值填入稀疏的用户项目评分矩阵;最后对填充后的评分矩阵采用基于用户聚类(K-means聚类)的协同过滤算法做出最终的预测评分进行推荐.在Movielens数据集上进行实验验证,结果表明该算法能够很好地缓解数据稀疏性、降低计算复杂度,提高推荐精度.

关键词：数据稀疏性、协同过滤、项目类型、K-means聚类、Movielens数据集

所属期刊栏目：25

分类号：TP3;F1

在线出版日期：2017-01-06（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：132-137