协同过滤推荐系统中聚类搜索方法研究  

Research on clustering search method in collaborative filtering recommendation system

作　　者：曹洪江[1] 傅魁[1] 

机构地区：[1]武汉理工大学经济学院电子商务与智能服务研究中心,武汉430070

出　　处：《计算机工程与应用》2014年第5期16-20,28,共6页Computer Engineering and Applications

基　　金：国家科技支撑计划资助项目(No.2011BAH16B02);教育部人文社科基金资助项目(No.12YJC870002);武汉理工大学中央高校基本科研业务费专项资金资助项目(No.2012-IV-054)

摘　　要：最近邻计算是协同过滤方法中直接影响到推荐系统的运行效率和推荐准确率的重要一环。当用户和项目数目达到一定规模的时候,推荐系统的可扩展性明显降低。聚类的方法能在一定程度上弥补这个缺陷,但同时又会带来推荐准确性的下降。提出了一种与信息检索领域中的倒排索引相结合并采用"成员策略"的用户聚类搜索算法,缩短了最近邻计算的时间,实验的结果证明,该方法能在保证推荐正确性的前提下有效改善协同过滤推荐系统的可扩展性。Nearest neighbor computation is a typical collaborative filtering approach for high recommendation accuracy. However, this approach is not scalable given the huge number of customers and items in typical commercial applications, cluster-based collaborative filtering techniques can be a remedy for the problem, but they usually provide relatively lower accuracy. This paper provides an efficient implementation of cluster search strategy by adapting a specifically tailored cluster-skipping inverted index structure. Experimental results reveal that this is a good solution for high accuracy and rea-sonable scalability of the recommender system.

关 键 词：协同过滤推荐系统 聚类搜索方法 倒排索引 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]