协同过滤推荐系统中聚类搜索方法研究

摘要：

最近邻计算是协同过滤方法中直接影响到推荐系统的运行效率和推荐准确率的重要一环。当用户和项目数目达到一定规模的时候，推荐系统的可扩展性明显降低。聚类的方法能在一定程度上弥补这个缺陷，但同时又会带来推荐准确性的下降。提出了一种与信息检索领域中的倒排索引相结合并采用“成员策略”的用户聚类搜索算法，缩短了最近邻计算的时间，实验的结果证明，该方法能在保证推荐正确性的前提下有效改善协同过滤推荐系统的可扩展性。

关键词：协同过滤推荐系统、聚类搜索方法、倒排索引

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划资助项目No.2011BAH16B02；教育部人文社科基金资助项目No.12YJC870002；武汉理工大学中央高校基本科研业务费专项资金资助项目No.2012-IV-054。

在线出版日期：2014-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：16-20,28