基于联合聚类和CRA组合相似度的协同过滤算法.PDF

第３４卷第７期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．７ ２０１７年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２０１７ 基于联合聚类和 ＣＲＡ组合相似度的协同过滤算法 赵文涛　王春春　成亚飞 （河南理工大学计算机科学与技术学院　河南焦作４５４０００） 摘　要　　针对传统协同过滤算法由于数据稀疏和冷启动而造成的推荐精度下降的问题，提出一种基于联合聚 类和ＣＲＡ组合相似度的协同过滤算法。首先，通过联合聚类对原始评分矩阵进行用户和物品两个维度的聚类； 其次，利用联合聚类结果填充原始评分矩阵；最后，利用ＣＲＡ组合相似度计算用户相似度并进行推荐。实验结 果表明，该方法有效地提高了推荐结果的精确度，缓解了数据稀疏和冷启动问题。 关键词　　协同过滤　冷启动　数据稀疏性　联合聚类　ＣＲＡ 中图分类号　ＴＰ３９３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０７．０４７ ＣＯＬＬＡＢＯＲＡＴＩＶＥＦＩＬＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＣＯＣＬＵＳＴＥＲＩＮＧ ＡＮＤＣＲＡＣＯＭＢＩＮＥＤＳＩＭＩＬＡＲＩＴＹ ＺｈａｏＷｅｎｔａｏ　ＷａｎｇＣｈｕｎｃｈｕｎ　ＣｈｅｎｇＹａｆｅｉ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｅｎａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｊｉａｏｚｕｏ４５４０００，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｏｒｄｅｒｔｏｏｖｅｒｃｏｍｅｔｈｅｓｐａｒｓｅｄａｔａａｎｄｃｏｌｄｓｔａｒｔｏｆｔｒａｄｉｔｉｏｎａｌｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｒｅｃｏｍｍｅｎｄａｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ａｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｃｏｃｌｕｓｔｅｒｉｎｇａｎｄＣＲＡｃｏｍｂｉｎｅｄｓｉｍｉｌａｒｉｔｙｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔ，ｃｏ ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｓｉｍｕｌｔａｎｅｏｕｓｌｙｏｂｔａｉｎｕｓｅｒａｎｄｉｔｅｍｎｅｉｇｈｂｏｒｈｏｏｄｓ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｒｅｓｕｌｔｏｆｃｏｃｌｕｓｔｅｒｉｎｇｉｓ ｕｓｅｄｏｎｒａｔｉｎｇｍａｔｒｉｘ．Ｆｉｎａｌｌｙ，ＣＲＡｃｏｍｂｉｎｅｄｓｉｍｉｌａｒｉｔｙｉｓｕｓｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｕｓｅｒｓａｎｄｒｅｃｏｍｍｅｎｄ． Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｎｏｔｏｎｌｙｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｓｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｒｅｃｏｍｍｅｎｄｅｄ ｒｅｓｕｌｔｓ，ｂｕｔａｌｓｏｓｏｌｖｅｓｐｒｏｂｌｅｍｓｏｆｕｓｅｒｃｏｌｄｓｔａｒｔａｎｄｄａｔａｓｐａｒｓｉｔｙ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ　Ｃｏｌｄｓｔａｒｔ　Ｄａｔａｓｐａｒｓｉｔｙ　Ｃｏｃｌｕｓｔｅｒｉｎｇ　ＣＲＡ 模型，其中基于领域的模型由于其简单、直观、高效的 ０　引　言 特点而十分流行。然而协同过滤技术在实际运用中存 在数据稀疏和冷启动等问题，因此造成推荐误差较大。 推荐系统作为一种软件工具和技术方法，通过为 针对上述问题，国内外的研究者对协同过滤算法进行 ［２］等提出基于用户的事务和 用户过滤无关信息，以满足用户的个性化需求，同时解 了相关改进。ＭｏｂａｓｈｅｒＢ 决了因“信息过载”造成的资源浪费问题。推荐系统 浏览量进行聚类，从而找出用户共同的特征并有效地