基于用户兴趣模糊聚类的协同过滤算法

摘要：

[目的]解决传统协同过滤推荐算法存在的数据稀疏性、用户不同时间的兴趣被等同考虑的问题.[方法]提出一种基于用户兴趣模糊聚类的协同过滤算法.将用户兴趣模型分为稳定兴趣和当前兴趣,利用用户稳定兴趣对用户进行模糊聚类,确定用户最近邻,形成初始推荐集;计算推荐列表中各个项目和用户当前兴趣的相似度,然后按照相似度大小排序,生成最终推荐列表.[结果]在数据集MovieLens上验证本方法的推荐准确率,其平均绝对误差(MAE)较传统方法降低近10％.[局限]该算法中,在对用户稳定兴趣建模时考虑所有的项目类别,没有对项目类别进行处理(如合并和删除等).[结论]与传统的推荐算法相比,该方法的推荐准确度有明显提高.

关键词：模糊聚类、用户兴趣、相似度、协同过滤

分类号：TP393;G35(计算技术、计算机技术)

资助基金：本文系国家自然科学基金项目"网页内容真实性评价研究"项目编号:61171159和北京市发改委"异构大数据分析挖掘整合技术北京市工程实验室创新能力建设项目"的研究成果之一.

在线出版日期：2015-12-30（万方平台首次上网日期，不代表论文的发表时间）

页码：12-17