基于聚类和SVD++的协同过滤算法

作者：李晓苗; 杨雪

来源：信息与电脑(理论版), 2022, 34(12): 50-53.

DOI：10.3969/j.issn.1003-9767.2022.12.017

• SVD++
• 推荐算法
• 聚类

奇异值分解（Single Value Decomposition,SVD）++算法是一种基于模型的协同过滤推荐算法，具有良好的推荐效果。然而，随着用户和项目数量的不断增加，用户项目的评分矩阵变得稀疏，导致该算法的推荐结果准确度偏低。为了缓解数据稀疏性问题和用户兴趣随时间漂移问题，本文首先根据用户属性对用户进行聚类操作，其次引入时间因子计算用户间相似度，为用户选取合适的近邻用户，并且根据近邻用户的评分信息为SVD++算法提供了偏差调整项，最后进行了对比实验。实验结果表明，该算法能够准确预测用户评分，提升了推荐效果。

• 单位
  河北地质大学