基于用户复杂网络特征分类的协同过滤模型

摘要：

协同过滤算法被广泛应用的同时一直存在着伸缩性和可扩展性困难的问题.针对该问题,提出了一种基于用户复杂网络特征分类的推荐系统协同过滤模型.首先,在用户集中基于度值选择特征用户,建立相似性阈值实现非特征用户分组;然后,构建用户—用户相似性网络,通过K-core分解完成网络中的社区标记;最后,目标用户在组内选择邻居,实现电影评分预测.基于MovieLens和Netflix数据集的实验结果表明,该算法与经典协同过滤算法相比,提升了时间和空间的性能,展现了更为出色的伸缩性和可扩展性.

关键词：特征用户、链路预测、协同过滤、复杂网络、可扩展性

所属期刊栏目：40

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61803264

在线出版日期：2023-03-07（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：493-497,510