基于用户分类的协同过滤个性化推荐方法研究

摘要：

[目的]解决随着用户数目剧增而造成的协同过滤算法效率过低的问题.[方法]提出一种基于用户分类的协同过滤方法.该方法引入基于规则的分类方法对庞大的用户群分类,在保证一定的推荐准确度前提下,为用户寻找局部近邻用户,并以局部近邻用户基准完成个性化推荐.[结果]分别通过F1与平均绝对误差两个指标进行用户分类与推荐精度评估,在用户分类准确及推荐精度良好的前提下,用时间复杂度衡量算法效率.实验结果表明,引入用户分类的协同过滤推荐效率明显提高.[局限]牺牲一定程度的推荐精度;仅在MovieLens公开数据集上进行实验测试,还需在其他数据集上进一步检验.[结论]本文方法可以减少近邻用户识别的计算量,同时提高算法效率.

关键词：个性化推荐、协同过滤、用户分类、规则

分类号：G350(情报学、情报工作)

资助基金：本文系国家自然科学基金项目“基于知识地图的对等网语义社区及其知识共享研究”项目编号:71103138和中央高校基本科研业务费专项资金资助项目“大数据背景下基于用户生成内容的商务智能模型研究”项目编号:BDY231414的研究成果之一.

在线出版日期：2015-06-29（万方平台首次上网日期，不代表论文的发表时间）

页码：13-19