结合用户聚类和项目类型的协同过滤算法

发布时间：2018-03-03 17:29

  本文选题：数据稀疏性　切入点：协同过滤　出处：《计算机系统应用》2016年12期 　论文类型：期刊论文

【摘要】：为了解决协同过滤算法中数据稀疏性问题,提高推荐效果,提出一种改进的协同过滤算法.该算法首先通过一种新的相似度计算方法来计算项目类型相似度,将相似度大于某阈值的项目作为目标项目的邻居;然后根据目标用户对邻居项目的评分信息来预测该用户对目标项目的评分值,并将预测值填入稀疏的用户项目评分矩阵;最后对填充后的评分矩阵采用基于用户聚类(K-means聚类)的协同过滤算法做出最终的预测评分进行推荐.在Movielens数据集上进行实验验证,结果表明该算法能够很好地缓解数据稀疏性、降低计算复杂度,提高推荐精度.
[Abstract]:In order to solve the problem of data sparsity in collaborative filtering algorithm and improve the recommendation effect, an improved collaborative filtering algorithm is proposed. An item whose similarity is greater than a threshold value is regarded as the neighbor of the target item, then the score value of the target item is predicted according to the scoring information of the target user, and the prediction value is filled in the sparse user item scoring matrix. Finally, the filled score matrix is recommended by collaborative filtering algorithm based on user clustering K-means clustering. The experimental results on the Movielens dataset show that the algorithm can reduce the data sparsity well. Reduce computational complexity and improve recommendation accuracy.
【作者单位】： 东华大学信息科学与技术学院;
【分类号】：TP391.3

【相似文献】

相关期刊论文 前10条

1 杨风召;;一种基于特征表的协同过滤算法[J];计算机工程与应用;2007年06期

2 王岚;翟正军;;基于时间加权的协同过滤算法[J];计算机应用;2007年09期

3 曾子明;张李义;;基于多属性决策和协同过滤的智能导购系统[J];武汉大学学报(工学版);2008年02期

4 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期

5 侯翠琴;焦李成;张文革;;一种压缩稀疏用户评分矩阵的协同过滤算法[J];西安电子科技大学学报;2009年04期

6 廖新考;;基于用户特征和项目属性的混合协同过滤推荐[J];福建电脑;2010年07期

7 徐红;彭黎;郭艾寅;徐云剑;;基于用户多兴趣的协同过滤策略改进研究[J];计算机技术与发展;2011年04期

8 焦晨斌;王世卿;;基于模型填充的混合协同过滤算法[J];微计算机信息;2011年11期

9 宋纬华;田元;;基于蚁群算法的协同过滤推荐技术[J];农业图书情报学刊;2013年08期

10 康钟荣;;基于项目特征分类与填充的协同过滤算法研究[J];河南科技;2013年12期

相关会议论文 前10条

1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年

8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年

相关博士学位论文 前6条

1 纪科;融合上下文信息的混合协同过滤推荐算法研究[D];北京交通大学;2016年

2 程殿虎;基于协同过滤的社会网络推荐系统关键技术研究[D];中国海洋大学;2015年

3 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

4 孔维梁;协同过滤推荐系统关键问题研究[D];华中师范大学;2013年

5 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年

6 赵向宇;Top-N协同过滤推荐技术研究[D];北京理工大学;2014年

相关硕士学位论文 前10条

1 高慧敏;融合占有度的时间遗忘协同过滤混合推荐算法研究[D];燕山大学;2015年

2 苏靖涵;面向SaaS多租户的动态推荐方法研究[D];辽宁大学;2015年

3 徐晓妮;基于人工鱼群算法的协同过滤推荐算法研究[D];辽宁大学;2015年

4 罗培;移动购物导购关键技术的研究与系统实现[D];西南交通大学;2015年

5 李婧;融合用户差异度及信息熵的协同过滤推荐算法[D];西安建筑科技大学;2015年

6 主雪梅;基于混合协同过滤推荐的图书馆管理系统设计与实现[D];燕山大学;2015年

7 李智;基于QoS信息的服务推荐[D];上海交通大学;2015年

8 马兴敏;基于蜂群算法的协同过滤推荐系统的研究与实现[D];中国石油大学(华东);2014年

9 王培英;社会网络中的社区发现及协同过滤推荐技术研究[D];北京交通大学;2016年

10 刘登祥;基于分层策略的协同过滤算法研究[D];上海交通大学;2015年

，

本文编号：1561994