基于混合聚类与融合用户属性特征的协同过滤推荐算法

摘要

针对协同过滤推荐算法存在的推荐质量低、推荐效率低、冷启动等问题,提出一种基于混合聚类与融合用户属性特征的协同过滤推荐算法.根据用户属性信息,建立Canopy+K-means的混合聚类模型,采用该模型对所有用户进行聚类;生成多个聚类簇,在每个簇中结合用户属性特征,形成一种新的相似度计算模型,通过该模型找到目标用户的最近邻居,以此产生推荐列表进而实现推荐.在MovieLens数据集上进行的实验结果表明,此算法能够在提高推荐效率和推荐准确性的同时缩短算法运行时间,解决冷启动问题.