结合改进用户聚类与LFM模型的协同过滤推荐算法

摘要：

针对协同过滤算法推荐准确性低的缺点,提出了一种混合推荐算法.首先在协同过滤算法中,增加 3个影响因子改进评分相似度,并预测用户第一评分;其次在AP(Affinity Progagation)聚类算法中,将阻尼系数由静态取值改进为动态取值以提高聚类效果,利用改进AP算法将目标用户聚类到恰当的簇,并利用LFM(Latent Factor Model,隐语义)模型预测用户第二评分;最后将 2次评分线性加权,得到最终预测评分并对项目进行推荐.实验表明,所提算法能有效改善推荐精度.

关键词：协同过滤推荐、AP聚类、隐语义模型、线性加权

分类号：TP311(计算技术、计算机技术)

在线出版日期：2023-10-31（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：18-21,24