基于用户谱聚类的Top-N协同过滤推荐算法

• 作者: 吴善明 姚世军 肖文强
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤 相似度 历史反馈信息 谱聚类 召回率
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 138-143
• 页数: 6页
• 分类号: TP301.6
• 字数: 5862字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0330

摘要

传统的协同过滤推荐算法为目标用户推荐时,考虑了所有用户的历史反馈信息对物品相似度的影响,同时相似度的度量仅依靠用户评分信息矩阵,导致了推荐效果不佳.为解决上述问题,提出了基于用户谱聚类的Top-N协同过滤推荐算法(SC-CF),即应用谱聚类将兴趣相似的用户分成一类,具有相似兴趣爱好的用户比其他用户具有更高的推荐参考价值,然后在类中为目标用户推荐.SC-CF+算法在SC-CF算法的基础上,在相似度度量方法中分别引入了物品时间差因素、用户共同评分权重、流行物品权重.实验结果表明,提出的两种算法提高了推荐结果的召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚世军	解放军信息工程大学理学院	12	46	3.0	6.0
2	肖文强	解放军信息工程大学理学院	1	3	1.0	1.0
3	吴善明	解放军信息工程大学理学院	3	30	3.0	3.0