基于用户谱聚类的协同过滤推荐算法

摘要：

针对电子商务系统中传统协同过滤推荐算法面临的稀疏性、准确性、实时性等问题，提出了一种基于用户谱聚类的协同过滤推荐算法。首先利用非负矩阵分解的方法对原始稀疏评分矩阵进行平滑处理，然后利用改进相似度的谱聚类方法将用户聚类，最后在用户所属类中寻找最近邻并产生推荐。用户谱聚类过程可离线完成，加快了在线推荐速度。在数据集MovieLens上的实验结果表明，该算法在平均绝对偏差、召回率、准确率等方面都有了较大改善，提高了推荐质量。

关键词：协同过滤、非负矩阵分解、相似度、谱聚类

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目11201290

在线出版日期：2014-09-26（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：59-62,67