一种相似度改进的用户聚类协同过滤推荐算法

摘要

协同过滤算法是推荐系统中使用最普遍的个性化推荐技术.该算法基于用户评分相似度,易于实现,但是仍存在不少问题—用户评分矩阵稀疏性问题、推荐准确性问题和推荐时间效率问题.本文针对传统协同过滤算法的诸多问题,引入聚类技术,提出相似可信度、用户对项目类别喜爱度、用户对项目类别关注度三个概念,并以此来优化相似度计算,使得相似度计算更具有实际意义和准确性.然后提出基于相似度的聚类方法,将用户聚类,推荐是仅考虑同一类别中用户.实验表明,本文提出的优化方法能显著提高推荐效率.