10.3969/j.issn.1673-629X.2014.09.013
基于用户谱聚类的协同过滤推荐算法
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。
协同过滤、非负矩阵分解、相似度、谱聚类
TP391(计算技术、计算机技术)
国家自然科学基金资助项目11201290
2014-09-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
59-62,67