基于用户信息向量聚类和改进SAMME的推荐算法

• 作者: 王杉文 欧鸥 马万民 陈建林
• 来源期刊: 计算机与现代化
• 关键词: 推荐系统 SAMME算法 用户信息 聚类分析
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 算法设计与分析|DESIGN AND ANALYSIS OF ALGORITHM
• 页码范围: 23-28,94
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.07.005

摘要

针对目前主流的推荐算法中获取的用户信息不完整以及推荐时间过长的问题,本文提出一种基于用户信息向量聚类和改进SAMME的推荐算法,该算法通过分析用户基本信息(地域、时间、兴趣、标签等),找出用户信息关键词;对不同用户信息关键词基于TF-IDF方法进行加权构建用户信息向量;接着使用K-means算法进行用户聚类分析,将用户聚类结果作为改进SAMME训练样本集;最后通过改进SAMME算法将预测结果对用户进行好友推荐,并在训练过程中保存模型,大大减少推荐时间.最终将本文算法在真实的微博用户数据集上进行实验,并与其他主流算法进行对比,结果显示本文算法在准确率、召回率、F值上都取得了不错的效果.