一种面向用户偏好定向挖掘的协同过滤个性化推荐算法

摘要

【目的】解决协同过滤推荐的可扩展性问题和数据稀疏性问题。【方法】提出一种面向用户偏好定向挖掘的协同过滤算法。该算法以时间为约束,第一阶段先寻找基于项目的弱相似用户;第二阶段基于用户关联性和属性相似性进行定向挖掘,形成推荐集合。【结果】实验结果表明,新算法的时间复杂度降低一个数量级,并且数据越稀疏,推荐精度的领先优势越大。【局限】该算法基于用户已表现出的偏好进行深度推荐,对未表现出的其他偏好暂未涉及。【结论】该算法在提升可扩展性的同时,对数据稀疏性也有很强的适应能力。