结合改进用户聚类与 LFM 模型的协同过滤推荐算法

• 作者: 顾明星 张梦甜
• 来源期刊: 科技与创新
• 学科: 工学
• 关键词: 协同过滤推荐 AP聚类 隐语义模型 线性加权
• 年，卷（期）: 2023,（17）
• 所属期刊栏目: 前沿·视点
• 页码范围: 24-27,30
• 页数: 5页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2023.17.005

摘要

针对协同过滤算法推荐准确性低的缺点，提出了一种混合推荐算法。首先在协同过滤算法中，增加3个影响因子改进评分相似度，并预测用户第一评分；其次在AP(Affinity Progagation)聚类算法中，将阻尼系数由静态取值改进为动态取值以提高聚类效果，利用改进AP算法将目标用户聚类到恰当的簇，并利用LFM(Latent Factor Model，隐语义)模型预测用户第二评分；最后将2次评分线性加权，得到最终预测评分并对项目进行推荐。实验表明，所提算法能有效改善推荐精度。