基于用户信息平滑聚类的协同推荐方法  

Collaborative Recommendation Using Smoothing Clustering Based on User Information Matrix

作　　者：常富洋[1] 许侃[1] 林鸿飞[1] 

机构地区：[1]大连理工大学计算机科学与技术学院,大连116024

出　　处：《情报学报》2011年第8期796-801,共6页Journal of the China Society for Scientific and Technical Information

基　　金：基金项目：国家自然科学基金资助项目（编号：60673039,60973068）;国家社科基金（编号：08BTQ025）;国家863高科技计划资助项目（编号：2006AA012151）;高等学校博士学科点专项科研基金资助课题（编号：20090041110002）;教育部留学回国人员科研启动基金项目和大连理工大学青年教师科研启动项目.

摘　　要：在电子商务中,协同推荐技术能够帮助用户发现感兴趣的东两。在协同推荐中,通常采用最近邻居的方法来产生推荐。随着商品数量的增多,协同推荐所需要的数据集也越来越稀疏,可用数据比例越来越少。为了解决这个问题,本文在传统的评分数据的基础上,引入用户的基本信息,对用户的基本信息进行离散化处理,将用户的基本信息转化成一个0、1的向量,在用户的信息的基础上计算最近邻居,根据最近邻居对用户缺失数据进行补充,在补充后的评分数据上进行聚类计算,并根据聚类结果对用户评分进行预测。实验表明引入用户的基本信息,并采用对基本信息离散化的处理方式进行缺失数据补充,在此基础上进行数据的聚类,能够提高预测评分的准确性。Collaborative recommendation technology can help people find something interesting in the e-commerce business field.In collaborative recommendation,there is a common way to generate recommendation called nearest neighbor method.With the increase of commodity quantity,the ratio of useful data is decreasing.In order to solve the sparse problem,we collect and discrete user information on the basis of ordinary score data,then we convert user information to a 0-1 vector.We compute the N-nearest neighbors from the user information matrix and smooth the it using the k-NN.We cluster the user rating matrix to predict the score.The experiment results show that the approach of rating and discretion the user information can improves the predicting score precision.

关 键 词：协同推荐 用户信息 数据平滑 评分聚类 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]