基于用户模糊聚类的协同过滤推荐研究.pdfVIP

第 39卷 第 l2期 计 算 机 科 学 VoI．39No．12 2012年 12月 Computer Science Dec2012 基于用户模糊聚类的协同过滤推荐研究 李 华 张 字 孙俊华 (重庆大学计算机学院 重庆400044) 摘 要 传统的协同过滤算法没有考虑用户的 自身信息对评分的影响，存在的数据稀疏性、扩展性差等弊端直接影响 了推荐系统的推荐质量。对此提出了一种基于用户情景模糊聚类的协同过滤推荐算法。首先根据用户情景信息利用 模糊聚类算法得到情景相似的用户群分类，然后在进行协同过滤前预先通过SlopeOne算法填充用户一项目评分矩阵， 以有效改善数据稀疏性和实时性。实验结果表明，改进后的算法在推荐精度上有较大提高。 关键词 协同过滤，数据稀疏性，用户情景，模糊聚类，推荐 中图法分类号 TP391．7 文献标识码 A ResearchonCollaborativeFilteringRecommendationBasedonUserFuzzyClustering LIHua ZHANG Yu SUN Jun-hua (CollegeofCo mputer，ChongqingUniversity，Chongqing400044，China) Abstract Traditionalcollaborativefilteringalgoritimadoesnotconsidertheinfluencecausedbytheusers’information， andtheexistingissuessuchasdatasparsity，poorscalabilityandothersdirectlyaffectetherecommendationqualityof recommendationsystems．Toaddresstheseissues，acollaborativefilteringalgorithm basedonusercontextfuzzycluste— ringwasproposed．First，usersareclusteredbyfuzzyclusteringalgoritmh accordingtousercontext，thentheuser-item ratingmatrixshouldbefilledthroughslopeonealgoritmh inadvancebeforethetraditionalcollaborativefiltering．This effectivelyimprovesthesparsityofuserratingdataandthereal-timeperformance．Theexperimentalresultsindicate thattherecommendationaccuracyoftheadvancedapproachis1argelyimproved． Keywords Collaborativefiltering，Datasparsity，Usercontext，Fuzzyclustering，Recommendation 本文引入用户情景 ，提出基于用户情景聚类的协同推荐。 1 引言 它首先利用模糊聚类算法将具有相似兴趣爱好的用户分配到 随着互联网的普及和计算机技术的迅速发展 ，个性化的 相同的类中；然后在 目标用的小的聚类 中，根据SlopeOne算 推荐系统成为一个越来越受关注的研究领域。研究者提出多 法来预测未评分数据，并将其值填充在用户一项 目评分矩阵 种推荐方法：基于内容的推荐 、协同过滤推荐和混合推荐等， 中；最后采用基于用户的协同过滤算法来计