基于用户谱聚类的Top-N协同过滤推荐算法

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.

关键词：协同过滤、相似度、历史反馈信息、谱聚类、召回率

所属期刊栏目：54

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2018-05-11（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：138-143