融合复杂网络的重排序推荐算法

摘要

论文针对传统的基于用户相似性推荐方法中存在的寻找用户近邻时耗时较大、推荐算法只考虑到了用户之间的共性关联,对用户的个体差异需求分析欠缺、且将用户的预测评分作为推荐的直接理由,缺少推荐的可解释性等问题引入复杂网络中的社区思想,首先通过模糊聚类算法对用户进行社区划分,在被推荐用户的所属社区中寻找近邻用户以减小算法的复杂度;并利用改进相关系数的协同过滤算法得到基于用户共性的推荐列表;通过分析用户兴趣度和项目流行度对结果的影响对推荐列表进行重排序,确定最终的推荐列表,增加了推荐结果的可解释性;同时利用Movielens-100k数据对所提出的算法进行了实验,结果表明,其具有良好的推荐效果.