一种双向聚类协同过滤推荐算法研究

• 作者: 何利力 范奥哲
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 协同过滤推荐算法 数据稀疏性 聚类 推荐系统
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机软件与理论
• 页码范围: 78-82
• 页数: 5页
• 分类号: TP312
• 字数: 4679字
• 语种: 中文
• DOI: 10.11907/rjdk.191963

摘要

针对传统协同过滤推荐算法在大数据环境下存在数据稀疏性及计算复杂性等问题,提出一种双向聚类协同过滤推荐算法.该算法首先从用户维度和项目维度两个方向分别进行属性聚类,然后在目标用户和目标项目所在类簇中分别使用改进后的相似度计算方法进行协同过滤推荐,最后通过平衡因子综合预测评分并形成最终推荐列表.在MovieLens公开数据集上进行实验,结果表明,该算法(DCF)相比传统协同过滤推荐算法(TCF)、基于用户聚类的协同过滤推荐算法(UCF)以及基于项目聚类的协同过滤推荐算法(ICF),在平均绝对误差上分别降低了16％、8.1％、7.5％,有效提高了推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何利力	浙江理工大学信息学院	93	289	8.0	13.0
2	范奥哲	浙江理工大学信息学院	1	0	0.0	0.0