基于社区划分的电影推荐模型

摘要：

针对电影推荐系统中传统协同过滤推荐的数据稀疏性问题,引入社区划分的思想,构建了一种融合电影类别、用户评分和用户标签的电影推荐模型.首先,基于电影类别使用凝聚式层次聚类算法进行社区划分,并找到待推荐的用户所属的社区,然后根据用户评分和用户标签构建用户相似性,在社区中找到和用户最相似的用户集合,最后根据相似用户集合的用户评分预测待推荐用户的评分并进行推荐.在MovieLens数据集上进行仿真实验,该模型相比基于余弦相似性的协同过滤的平均绝对误差(MAE)和均方根误差(RMSE)分别下降了0.1404和0.1490,相比基于Pearson的协同过滤的MAE和RMSE分别下降了0.1095和0.083 3.实验结果表明该模型具有良好的推荐效果,且该模型在社区内部进行推荐,有效解决了数据稀疏性问题.

关键词：数据稀疏性、凝聚层次聚类、社区划分、电影推荐、用户相似性

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：四川省科技支撑计划项目2014GZ0104

在线出版日期：2019-01-25（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：124-127