基于用户行为聚类的个性化推荐算法研究  

A Personalization Recommended Algorithm Based on User Behavior

作　　者：曾蔚[1,2,3] 

机构地区：[1]泉州师范学院数学与计算机科学学院,福建泉州362000 [2]福建省大数据管理新技术与知识工程重点实验室,福建泉州362000 [3]智能计算与信息处理福建省高等学校重点实验室,福建泉州362000

出　　处：《唐山师范学院学报》2016年第5期81-84,共4页Journal of Tangshan Normal University

基　　金：泉州师范学院科研计划资助项目(2014KJ06)

摘　　要：提出一种品牌忠诚度模型,根据用户行为首先计算出用户-品牌忠诚度值并预测用户与未交互过品牌的可能忠诚度值来填充矩阵;然后,对用户进行聚类来评价用户的品牌忠诚度水平并结合忠诚度矩阵进行推荐;最后,通过天猫网的用户行为数据集对推荐算法和其他算法结果进行比较。实验结果表明:本推荐算法具有较高的预测精度,同时还具有较高的覆盖度。This paper proposes a brand-loyalty model based on user behaviors. First, the value of user-item brand loyalty is calculated on the basis of user behavior, then fill the matrix with the prediction value of user and non-interactive items. Second, all users are clustered into groups in order to evaluate the level of the brand loyalty of the user and calculate the recommended result based on the brand loyalty matrix. To evaluate the performance of the proposed model, a set of experiments on the t-mall dataset are conducted. The results show that the proposed algorithm outperforms other methods, and it can provide better performance on precision, recall and coverage.

关 键 词：品牌忠诚度 协同过滤 用户聚类 个性化推荐 长尾分布 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论] O235[自动化与计算机技术—计算机科学与技术]