基干相似传播与情景聚类网络协同过滤推荐算法研究.docVIP

基于相似传播和情景聚类的网络协同过滤推荐算法研究 　　〔摘要〕互联网时代，个性化推荐系统逐渐被应用到各个不同的领域，随之个性化推荐算法也成为目前研究的热点。然而，传统的推荐算法往往存在着冷启动、数据稀疏等问题。本文在对传统推荐算法研究的基础上，提出了一种基于相似传播和情景聚类的协同过滤推荐算法，根据计算用户间的情景相似度对用户进行聚类，然后根据相似传播原理找出目标用户更多的最近邻居，最后根据预测目标用户对项目的评分进行推荐。借助网上公共数据集在Matlab上实现了该算法并验证了算法的有效性。实验结果表明，本文所提算法的准确性相比传统算法有所提高，同时缓解了传统推荐算法存在的冷启动和数据稀疏性等问题 〔关键词〕相似传播；情景聚类；协同过滤；推荐算法 DOI：10.3969/j.issn.1008-0821.2016.11.009 〔中图分类号〕G2062〔文献标识码〕A〔文章编号〕1008-0821（2016）11-0050-05 〔Abstract〕In the age of the Internet era，the personalized recommendation system gradually is applied to different fields and recommendation algorithm has become a research hot spot at present.Traditional recommendation algorithm，however，often has some problems，for example a cold start，sparse data.In this paper，on the basis of researches on traditional recommendation algorithm，this paper proposed a collaborative filtering recommendation algorithm based on similarity propagation and context clustering.Computing the similarity between user for user clustering，then the paper found more nearest neighbors of target users，according to the similarity propagation to finally，it recommended projects according to the forecast target users ratings.With the help of online public data，the paper implemented the proposed algorithm and verified the effectiveness of the proposed algorithm on Matlab.experiment showed that the accuracy of the proposed algorithm compared with the traditional algorithm was higher，and the proposed algorithm relieved the problems of traditional recommendation algorithm，such as the cold start and sparse data，etc. 〔Key words〕similarity propagation；context clustering；collaborative filtering；recommendation algorithm 如今，互联网已经成为人们获取信息的重要途径。然而，随着网络上信息量越来越大，信息过载的问题也越来越严重，这对人们在网上快速查找精确信息造成了很大的困难。个性化推荐系统能够根据用户的兴趣偏好、项目、需求甚至通过感知用户的情景来向用户推荐信息，这不仅很好地解决了信息过载的问题，同时还满足了用户的个性化需求。在实际应用方面，亚马逊、当当等大型电商网站都开发出了自己的推荐系统。在学术研究领域，个性化推荐方面的研究也逐渐进入学者的视野并得到关注，例如美国的Grouplens团队、Alexander Tuzhilin教授、Paul Resnick教授等对个性化推荐系统及相关的推荐算法进行了深入的研究[1] 1问题的提出 协同过滤推荐算法