基于混合聚类与融合用户属性特征的协同过滤推荐算法

摘要：

针对协同过滤推荐算法存在的推荐质量低、推荐效率低、冷启动等问题,提出一种基于混合聚类与融合用户属性特征的协同过滤推荐算法.根据用户属性信息,建立Canopy+K-means的混合聚类模型,采用该模型对所有用户进行聚类;生成多个聚类簇,在每个簇中结合用户属性特征,形成一种新的相似度计算模型,通过该模型找到目标用户的最近邻居,以此产生推荐列表进而实现推荐.在MovieLens数据集上进行的实验结果表明,此算法能够在提高推荐效率和推荐准确性的同时缩短算法运行时间,解决冷启动问题.

关键词：协同过滤推荐算法、混合聚类、用户属性特征、相似度计算、特征相似性、算法对比

所属期刊栏目：44

分类号：TN911.1-34;TP319

资助基金：贵州省科技计划项目[2016]5707

在线出版日期：2021-03-24（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：179-182