基于聚类和随机森林的协同过滤推荐算法

• 作者: 张宇波 李华平 杨兴雨
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤 推荐算法 聚类 随机森林
• 年，卷（期）: 2018,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 152-157
• 页数: 6页
• 分类号: TP399
• 字数: 5212字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1712-0089

摘要

针对基于邻近关系的协同过滤算法在线推荐效率低的问题,提出了一种可离线训练评分预测模型的算法.通过聚类算法降低用户-项目评分矩阵中用户向量和项目向量的维数,并对数据进行转换使其适用于监督模型;利用转换后的数据离线训练随机森林模型,在线推荐时只需根据随机森林模型的规则进行评分预测,无需查找最邻近用户或项目.实验结果表明,该算法在不降低评分预测精度的情况下,在线推荐效率远高于基于邻近关系的协同过滤算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨兴雨	广东工业大学管理学院	10	42	4.0	6.0
2	李华平	广东工业大学管理学院	1	9	1.0	1.0
3	张宇波	广东工业大学管理学院	1	9	1.0	1.0