基于多层相似性用户聚类的推荐算法

• 作者: 李涛 王建东
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 推荐算法 协同过滤 聚类 平均绝对误差
• 年，卷（期）: 2006,（6）
• 页码范围: 717-721
• 页数: 5页
• 分类号: TP391
• 字数: 4053字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2615.2006.06.013

摘要

为了降低数据稀疏性的影响,提高推荐系统的推荐生成质量,提出了一种基于多层相似性用户聚类的协同过滤推荐算法.该算法采用新的多层用户相似性度量,并将推荐过程分成了离线和在线两个部分.离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类寻找目标用户最近邻居,并产生推荐.实验表明,该算法不仅加快了推荐生成速度,而且提高了推荐质量,降低了约6%的平均绝对误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李涛	南京航空航天大学信息科学与技术学院	67	382	9.0	18.0
5	王建东	南京航空航天大学信息科学与技术学院	158	1573	21.0	31.0