基于人口统计学的改进聚类模型协同过滤算法.PDFVIP

第 44 卷第3 期 计算机科学 Vo1. 44 NO.3 COMPUTER SCIENCE 岛1ar.2017 2017 年 3 月 基于人口统计学的改进聚类模型协同过滤算法 王攘攘李翔 (淮阴工学院计算机与软件工程学院 淮安 223003) (河海大学计算机与信息学院 南京 211100) 摘 要 针对传统基于用户的协同过滤推荐算法在大数据环境下存在评分高维稀疏性、推荐精度低的问题，提出一种 基于人口统计学数据与改进聚类模型相结合的协同过滤推荐算法，以提高推荐系统精度和泛化能力。该方法首先通 过用户人口统计学数据属性，结合用户项目评分矩阵计算各个用户间的相似度;然后对用户、项目进行分层近邻传播 聚类，根据用户对项目的评分数据计算用户或项目之间的相似性，产生目标用户或项目的兴趣近邻;最后根据兴趣最 近邻进行推荐。对 Epinions ， MovieLents 等数据集进行仿真实验，仿真的结采表明，与传统的协同过滤算法相比，提出 的算法提高了推荐精度，为传统的协同过滤推荐算法提供了参考。 关键词 协同过滤，人口统计学，聚类，推荐系统 中图法分类号 TP183 文献标识码 A 001 10. 11896/j. issn. 1002-137叉 2017.03.016 Study on Improved Clustering Collaborative Filtering Algorithm ßased on Dem何lfaphy WANG Yuan 归an LI Xiang (Faculty of Computer and Software Engineering ,Huaiyin Institute of Technology ,Huai an 223003 ,China) (College of Computer and Information ,Hohai University ,Nanjing 211100 ,China) Abstract The traditional user based collaborative filtering recommendation algorithm in large data environment has the problem of high dimensional sparse and low recommendation accuracy. A collaborative filtering recommendation algo rithm based on the combination of demographic data and improved clustering model was proposed to improve the accu racy and generalization ability of the recommendation syste皿 Firstly， this method calculates the similarity among diffe- rent users through the user demographic data attributes and the use r-item score matrix. Secondly ,hierarchical neighbor clustering of user and project ,calculates the similarity between users or items by the user s score data for the project , a