基于加权聚类的动态协同过滤推荐算法  

作　　者：赵洋[1,2] 刘方爱[1,2] 

机构地区：[1]山东师范大学信息科学与工程学院,山东济南250358 [2]山东省分布式计算机软件新技术重点实验室,山东济南250358

出　　处：《数字技术与应用》2017年第5期142-144,共3页Digital Technology & Application

基　　金：国家自然科学基金资助项目(61572301;90612003)

摘　　要：针对传统协同过滤推荐算法存在数据稀疏性及动态情景下推荐效率急剧下降的问题,提出了一种基于加权聚类的动态情景协同过滤推荐算法。该方法对提供较多评分的用户给予更多的重视,在运用SK-means聚类方法的基础上引入用户权重的概念,有效的解决了数据稀疏性的问题,在此基础上考虑增量更新的情况以便处理推荐过程中数据的频繁变化带来的影响,优化了对目标用户的偏好预测和个性化推荐建议。实验结果表明,相比于IUCF、IICF、和COCLUST算法,该算法在有效缓解用户评分数据稀疏性的同时,还以非常低的计算成本提供了高质量的推荐建议。

关 键 词：协同过滤 加权聚类方法 数据稀疏性 动态情景 推荐效率 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]