一种基于聚类和协同过滤的组合推荐算法

• 作者: 刘旭东 葛俊杰 陈德人
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 协同过滤 聚类 算法可扩展性 数据稀疏性 平均绝对偏差
• 年，卷（期）: 2010,（12）
• 页码范围: 125-127,133
• 分类号: TP391
• 字数: 3429字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2010.12.032

摘要

协同过滤技术是目前电子商务推荐系统中最为主要的技术之一,但随着系统规模的日益扩大,它面临着算法可扩展性和数据稀疏性两大挑战.针对上述问题,本文提出了一种基于聚类和协同过滤的组合推荐算法.首先利用聚类对项目进行分类,在用户感兴趣的类里进行推荐计算,有效地解决了算法的可扩展性问题;接着在每一类中使用基于项目的协同过滤对未评价的项目进行预测,把较好的预测值填充到原用户-项集合中,有效地缓解了数据稀疏性问题;最后根据协同过滤推荐在相似项目的范围内计算邻居用户,给出最终的预测评分并产生推荐.实验结果表明,本算法有效地解决了上述两个问题,提高了推荐系统的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈德人	浙江大学计算机科学与技术学院	84	666	13.0	21.0
2	刘旭东	烟台职业学院信息工程系	63	221	10.0	13.0
3	葛俊杰	烟台职业学院信息工程系	13	63	4.0	7.0