基于二分图划分联合聚类的协同过滤推荐算法

作者：黄乐乐; 马慧芳; 李宁; 余丽

来源：计算机工程与科学, 2019, 41(11): 2040-2047.

• 推荐系统
• 协同过滤
• 二分图划分联合聚类
• 簇偏好相似性

准确而积极地向用户提供他们可能感兴趣的信息或服务是推荐系统的主要任务。协同过滤是采用得最广泛的推荐算法之一,而数据稀疏的问题往往严重影响推荐质量。为了解决这个问题,提出了基于二分图划分联合聚类的协同过滤推荐算法。首先将用户与项目构建成二分图进行联合聚类,从而映射到低维潜在特征空间;其次根据聚类结果改进2种相似性计算策略:簇偏好相似性和评分相似性,并将二者相结合。基于结合的相似性,分别采用基于用户和项目的方法来获得对未知目标评分的预测。最后,将这些预测结果进行融合。实验结果表明,所提算法比最新的联合聚类协同过滤推荐算法具有更好的性能。

• 单位
  中国科学院信息工程研究所; 西北师范大学; 桂林电子科技大学