一种基于聚类和协同过滤的组合推荐算法

作者：刘旭东; 葛俊杰; 陈德人

来源：计算机工程与科学, 2010, (12): 125-127+133.

• 协同过滤
• 聚类
• 算法可扩展性
• 数据稀疏性
• 平均绝对偏差 collaborative filtering
• clustering
• algorithm scalability
• sparsity of data
• MAE

协同过滤技术是目前电子商务推荐系统中最为主要的技术之一,但随着系统规模的日益扩大,它面临着算法可扩展性和数据稀疏性两大挑战。针对上述问题,本文提出了一种基于聚类和协同过滤的组合推荐算法。首先利用聚类对项目进行分类,在用户感兴趣的类里进行推荐计算,有效地解决了算法的可扩展性问题;接着在每一类中使用基于项目的协同过滤对未评价的项目进行预测,把较好的预测值填充到原用户-项集合中,有效地缓解了数据稀疏性问题;最后根据协同过滤推荐在相似项目的范围内计算邻居用户,给出最终的预测评分并产生推荐。实验结果表明,本算法有效地解决了上述两个问题,提高了推荐系统的推荐质量。

• 单位
  浙江大学