基于K-medoids项目聚类的协同过滤推荐算法

• 作者: 万潇逸 张璞 王永 陶娅芝
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 协同过滤 K-medoids聚类 用户偏好 推荐算法
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 521-526
• 页数: 6页
• 分类号: TP391
• 字数: 4416字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2017.04.015

摘要

针对传统协同过滤推荐算法通常针对整个评分矩阵进行计算,存在效率不高的问题,提出一种基于K-medoids项目聚类的协同过滤推荐算法.该算法根据项目的类别属性对项目进行聚类,构建用户的偏好领域,使用用户偏好领域内的评分矩阵进行用户间相似度的计算,得到目标用户的最近邻居集,并生成推荐结果.与常用的K-means聚类方法相比,采用K-medoids方法对项目类别属性进行聚类,不仅克服了评分聚类可靠性不高的问题,而且算法还具有更好的鲁棒性.实验结果表明,该算法能有效提高推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张璞	重庆邮电大学计算机学院	23	124	7.0	10.0
2	王永	重庆邮电大学经济管理学院	72	411	12.0	16.0
3	万潇逸	重庆邮电大学经济管理学院	1	14	1.0	1.0
4	陶娅芝	重庆邮电大学经济管理学院	3	21	3.0	3.0