云模型与用户聚类的个性化推荐

摘要：

针对传统推荐系统数据稀疏、相似性计算方法导致共同评分用户少的问题,提出利用云模型定性概念与定量数值转换的优势,研究云模型、用户聚类的个性化推荐改进算法.用户对项目属性评价的偏好,转换为用户对加权综合云模型表示的数字特征的偏好.利用改进的聚类算法,对评分数据、原始用户属性标准化后的信息进行聚类;同时考虑用户兴趣的变化,结合用户之间项目属性评价的综合云模型的相似度、用户对项目评分的聚类、用户属性聚类这三种方法产生的邻居用户的并集进行推荐.理论分析和实验结果表明,提出的改进算法不但解决数据稀疏性带来的共同评分用户少的弊端,即使是在新用户的情况下,仍能获得较低的平均绝对误差和平均平方误差.

关键词：综合云模型、属性评价、评分聚类、属性聚类、协同过滤

所属期刊栏目：33

分类号：TP393.1(计算技术、计算机技术)

资助基金：广西教育厅科研项目201204LX481;CALIS广西壮族自治区文献信息服务中心预研项目CALISGX201305

在线出版日期：2013-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2804-2806,2826