基于最小方差的K-means用户聚类推荐算法.PDFVIP

第28卷 第1期 计 算机 技 术 与发 展 Vol.28 No.1 2018年1月 COMPUTERTECHNOLOGY AND DEVELOPMENT Jan. 2018 基于最小方差的K-means用户聚类推荐算法 杨大鑫,王荣波,黄孝喜,谌志群 (杭州电子科技大学计算机学院,浙江杭州 310018) 摘 要:协同过滤推荐算法是一种传统的推荐技术,具有简单高效的特点,在实际中有广泛的应用,获得了大量研究者的 青睐。 虽然传统的协同过滤推荐算法在一定程度上缓解了用户当前所面临的信息超载问题,但其在处理大数据时存在的 数据稀疏性和扩展性等问题却日益突出。 于是,提出了一种基于最小方差的 -means用户聚类推荐算法。 在缓解数据稀 K 疏性方面,利用WeightedSlopeOne算法对初始用户—项目评分矩阵进行有效填充,降低了数据稀疏性;在提高算法扩展性 方面,采用基于最小方差的 -means算法对用户评分数据进行聚类,将相似的用户聚到一起,减小目标用户的最近邻搜索 K 空间,提高了算法扩展性。 通过在MovieLens数据集上的对比实验,结果表明,相比于传统的协同过滤推荐算法,改进算法 具有更高的推荐准确度。 关键词:信息过载;协同过滤算法;Weighted Slope One;最小方差; -means聚类 K 中图分类号:TP391 文献标识码:A 文章编号:1673-629X(2018)01-0104-04 doi:10.3969/j.issn.1673-629X.2018.01.022 K-means User Clustering Recommendation Algorithm Based on Minimum Variance YANG Da-xin,WANG Rong-bo,HUANG Xiao-xi,CHEN Zhi-qun (School of Computer,Hangzhou Dianzi University,Hangzhou 310018,China) Abstract:Collaborativefilteringrecommendationalgorithmisakindoftraditionalrecommendationtechnologywhichissosimpleandef- ficient with a wide range of applicationsthat it hasbeen favorite by a large number ofresearchers.Although thetraditional collaborative filtering recommendation algorithm hasalleviatedtheinformation overloadfacedbyuserstoacertain extent,thedata sparsityandexpan- sibility in dealing with large data isbecoming more and moreprominent.For this,aK -meansuser clusteringrecommendation algorithm basedonminimumvarianceisproposed.TheWeightedSlopeOnealgorithmisusedtofilltheinitialuser-item