基于人口统计学的改进聚类模型协同过滤算法

• 作者: 李翔 王媛媛
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 协同过滤 人口统计学 聚类 推荐系统
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 2015全国高性能计算学术年会
• 页码范围: 63-69
• 页数: 7页
• 分类号: TP183
• 字数: 4506字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.03.016

摘要

针对传统基于用户的协同过滤推荐算法在大数据环境下存在评分高维稀疏性、推荐精度低的问题,提出一种基于人口统计学数据与改进聚类模型相结合的协同过滤推荐算法,以提高推荐系统精度和泛化能力.该方法首先通过用户人口统计学数据属性,结合用户-项目评分矩阵计算各个用户间的相似度;然后对用户、项目进行分层近邻传播聚类,根据用户对项目的评分数据计算用户或项目之间的相似性,产生目标用户或项目的兴趣近邻;最后根据兴趣最近邻进行推荐.对Epinions,MovieLents等数据集进行仿真实验,仿真的结果表明,与传统的协同过滤算法相比,提出的算法提高了推荐精度,为传统的协同过滤推荐算法提供了参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王媛媛	淮阴工学院计算机与软件工程学院	26	129	6.0	10.0
2	李翔	河海大学计算机与信息学院	3	40	3.0	3.0