结合用户属性聚类的协同过滤推荐算法

• 作者: 杨云 林康 秦怡 闵玉涓
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 协同过滤 K-means聚类 用户属性 冷启动
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 28-32
• 页数: 5页
• 分类号: TP391
• 字数: 3927字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.07.006

摘要

协同过滤算法利用大量数据，通过研究用户的喜好可以为用户推荐其感兴趣的项目，在电子商务得到了广泛应用。然而，此类算法在面临扩展性、数据稀疏性和冷启动等问题时，出现推荐准确度下降和推荐效率偏低的问题。针对这些问题，本文引入用户属性相似度的概念，使用K-means聚类算法将用户划分到恰当用户簇，预测用户对项目的评分。然后，通过混合加权的方法，将基于用户属性的K均值聚类的推荐算法与基于项目的协同过滤算法相融合，提出综合用户属性的协同过滤算法。通过在MovieLens数据集上进行实验，结果表明本文所提出的算法具有可扩展性，同时在一定程度上缓解了冷启动问题，提高了推荐算法的预测准确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨云	扬州大学信息工程学院	35	177	7.0	12.0
2	林康	扬州大学信息工程学院	1	10	1.0	1.0
3	秦怡	扬州大学信息工程学院	5	17	2.0	4.0
4	闵玉涓	扬州大学信息工程学院	4	17	2.0	4.0