结合用户聚类和评分偏好的推荐算法

• 作者: 段元波 高茂庭
• 来源期刊: 计算机应用研究
• 关键词: 协同过滤 降维 聚类 用户偏好 推荐系统
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2260-2264
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.08.005

摘要

针对推荐算法中用户评分矩阵维度高、计算量大的问题,为更加真实地反映用户本身评分偏好,提出一种结合用户聚类和评分偏好的推荐算法.先利用PCA降维和K-means聚类对用户评分矩阵进行预处理,在最近邻选取方法上,添加用户共同评分数量作为约束,利用用户和相似簇的相似度对相似簇内评分加权求和生成基本预测评分;再综合用户评分偏置和用户项目类型偏好,建立用户评分偏好模型;最后通过多元线性回归确定每部分的权重,生成最终的预测评分.对比实验结果表明,新算法能更真实地反映用户评分,有效减少计算量并提高推荐系统的预测准确率,更好地满足用户对于推荐系统的个性化需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高茂庭	上海海事大学信息工程学院	83	424	11.0	16.0
2	段元波	上海海事大学信息工程学院	3	18	2.0	3.0