基于聚类和SVD++的电影推荐系统的研究

摘要

传统的协同过滤算法存在着冷启动、数据稀疏性和可扩展性等关键问题,这都使得用户的历史播放列表数据信息难以获得,从而导致推荐电影时精度较低.文章将聚类算法与SVD++模型相结合,通过K-means聚类算法将相似用户根据评分聚类的同时,并利用SVD++模型对聚类后的每个集群中的评分矩阵进行分解,从而解决相似用户查找效率低和评分矩阵数据稀疏性的问题,使得电影推荐系统具有较高的精度.