基于自编码机和聚类的混合推荐算法

摘要

针对传统的协同过滤推荐算法在稀疏数据集上表现不佳的情况,提出了一种将自编码机(Autoencoder)和聚类结合的混合推荐算法.首先将用户项目评分数据和用户人口统计学数据作为自编码机的输入,提取用户特征.然后利用提取到的用户特征对用户聚类得到用户类别,从而使近邻搜索范围减小.接着通过计算平均绝对误差(MAE)寻找到适用于同一类别用户的推荐算法,最后组合各类别上适用的推荐算法,得到混合推荐模型.推荐阶段,计算目标用户类别,并使用混合推荐模型得到推荐结果.实验结果表明,该算法可以有效的提高推荐质量。