基于项目特征聚类的协同过滤推荐算法.PDFVIP

第２６卷第７期　　　 计算机应用与软件 Ｖｏｌ２６Ｎｏ．７ ２００９年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２００９ 基于项目特征聚类的协同过滤推荐算法 １ ２ 翁小兰 　庄永龙 １（淮阴师范学院计算机科学系　江苏淮安２２３３００） ２（淮阴师范学院信息中心　江苏淮安２２３３００） 摘　要　　提出基于项目特征聚类的Ｉｔｅｍｂａｓｅｄ协同过滤推荐算法。该算法首先根据项目的属性特征对项目进行聚类，形成其特 征相似群，然后采用一种基于预评分的相似性度量方法计算目标项的最近邻居，最终产生推荐。经实验验证该算法可以有效解决用 户评分数据稀疏性和冷启动的难题，而且可以显著提高系统推荐质量。 关键词　　协同过滤推荐　聚类　推荐系统　ＭＡＥ ＡＣＯＬＬＡＢＯＲＡＴＩＶＥＦＩＬＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮ ＣＬＵＳＴＥＲＩＮＧＯＦＩＴＥＭＳ’ＣＨＡＲＡＣＴＥＲ １ ２ ＷｅｎｇＸｉａｏｌａｎ　ＺｈｕａｎｇＹｏｎｇｌｏｎｇ １（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＨｕａｉｙｉｎＴｅａｃｈｅｒｓＣｏｌｌｅｇｅ，Ｈｕａｉａｎ２２３３００，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） ２（ＩｎｆｏｒｍａｔｉｏｎＣｅｎｔｅｒ，ＨｕａｉｙｉｎＴｅａｃｈｅｒｓＣｏｌｌｅｇｅ，Ｈｕａｉａｎ２２３３００，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｎｉｔｅｍｂａｓｅｄｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｃｌｕｓｔｅｒｉｎｇｏｆｔｈｅｉｔｅｍｓｃｈａｒａｃｔｅｒｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｆｉｒｓｔｌｙｉｔ ａｐｐｌｉｅｓｃｌｕｓｔｅｒｉｎｇｍｅｔｈｏｄｔｏｉｔｅｍｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｍａｉｎａｔｔｒｉｂｕｔｅｓｏｆｉｔｅｍｓａｎｄｇｅｔｓｔｈｅｉｒｃｈａｒａｃｔｅｒｓｉｍｉｌａｒｉｔｙｇｒｏｕｐ，ｔｈｅｎｉｔｃａｌｃｕｌａｔｅｓｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｕｒｏｆｉｔｅｍｓｗｉｔｈａｓｉｍｉｌａｒｉｔｙｍｅｔｒｉｃａｐｐｒｏａｃｈｂａｓｅｄｏｎｐｒｅｒａｔｉｎｇ，ａｎｄｆｉｎａｌｌｙｉｔｍａｋｅｓｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓ ｖａｌｉｄａｔｅｄｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎｉｍｐｒｏｖｅｔｈｅｅｘｔｒｅｍｅｓｐａｒｓｉｔｙｏｆｕｓｅｒｒａｔｉｎｇｄａｔａａｎｄｔｈｅ“ｃｏｌｄｓｔａｔ”ｐｒｏｂｌｅｍｅｆｆｉｃｉｅｎｔｌｙ，ａｎｄｓｉｇｎｉｆｉｃａｎｔｌｙｒａｉｓｅ ｒｅｃｏｍｍｅｎｄａｔｉｏｎｑｕａｌｉｔｙ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｃｌｕｓｔｅｒｉｎｇ　Ｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍ　Ｍｅａｎａｂｓｏｌｕｔｅｅｒｒｏｒ 在：（１）用户评分数据的稀疏性。在没有任何刺激和鼓励评分 ０　引　言 的优惠措施下，用户评分项目一般不会超过项目总数的１％，被 多个用户同时评分的项目更是少之又少［１］，在用户评分数据极 信息技术的日新月异和Ｉｎｔｅｒｎｅｔ的迅猛发展给人类带来便 度稀疏的情况下，用户之间或者项目之间的相似度计算不准确， 利的同时也给人类带来信息过载问题。以往人找信息的服务模 最终影响了推荐的精度；（２）冷启动问题或新项目问题。当一 式再也不能满