基于聚类的非负矩阵分解推荐算法研究

• 作者: 杜庆治 邵玉斌 骆孜 龙华
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 推荐系统 用户相似度 聚类 非负矩阵分解
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 网络与系统
• 页码范围: 2675-2679
• 页数: 5页
• 分类号: TP391.1
• 字数: 3976字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2018.11.026

摘要

随着电子商务的飞速发展,推荐算法成为推荐领域的研究热点之一,而冷启动问题与数据稀疏成为推荐算法面临的主要问题.有研究工作指出,利用矩阵分解来缓解评分数据的稀疏性,但仍存在数据量大且推荐精度不高的问题.因此,提出一种基于用户聚类的非负矩阵分解的推荐算法.在原有的非负矩阵分解模型上,它结合用户的评分数据,基于聚类思想对用户进行聚类,充分挖掘用户间的相关关系.所提算法在Movielens数据集上进行实验,结果表明,在数据稀疏的情况下,该算法在均方根误差(RMSE)评价指标上优于传统非负矩阵分解算法,且预测误差减少了4.5％,改善了推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙华	昆明理工大学信息工程与自动化学院	132	376	9.0	13.0
2	邵玉斌	昆明理工大学信息工程与自动化学院	114	279	8.0	11.0
3	杜庆治	昆明理工大学信息工程与自动化学院	64	103	4.0	6.0
4	骆孜	昆明理工大学信息工程与自动化学院	1	4	1.0	1.0