基于歌曲标签聚类的协同过滤推荐算法的研究

• 作者: 李新卫 赵宇峰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 歌曲推荐 k-means聚类 协同过滤 推荐算法 标签
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 算法
• 页码范围: 259-262
• 页数: 4页
• 分类号: TP3
• 字数: 3379字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.06.047

摘要

协同过滤算法通过研究用户的行为日志,对用户行为进行建模,计算用户的相似度进而对推荐对象进行排名,实现推荐.采用k-means聚类算法对传统的基于用户的协同过滤算法(User-CF)进行改进,对用户的听歌曲标签进行建模,从而形成用户-标签模型;再对用户进行聚类,从而把兴趣相似的用户分到一组;使用User-CF算法对每一组用户进行推荐.实验结果表明:改进的算法使得推荐结果的准确率和召回率都有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵宇峰	西安工业大学计算机科学与工程学院	13	140	5.0	11.0
2	李新卫	西安工业大学计算机科学与工程学院	1	4	1.0	1.0