基于聚类的非负矩阵分解推荐算法研究

作者：骆孜; 龙华; 邵玉斌; 杜庆治

来源：通信技术, 2018, 51(11): 2675-2679.

• 推荐系统
• 用户相似度
• 聚类
• 非负矩阵分解

随着电子商务的飞速发展,推荐算法成为推荐领域的研究热点之一,而冷启动问题与数据稀疏成为推荐算法面临的主要问题。有研究工作指出,利用矩阵分解来缓解评分数据的稀疏性,但仍存在数据量大且推荐精度不高的问题。因此,提出一种基于用户聚类的非负矩阵分解的推荐算法。在原有的非负矩阵分解模型上,它结合用户的评分数据,基于聚类思想对用户进行聚类,充分挖掘用户间的相关关系。所提算法在Movielens数据集上进行实验,结果表明,在数据稀疏的情况下,该算法在均方根误差(RMSE)评价指标上优于传统非负矩阵分解算法,且预测误差减少了4.5%,改善了推荐效果。

• 单位
  昆明理工大学; 自动化学院