基于歌曲标签聚类的协同过滤推荐算法的研究-计算机应用与软件.PDFVIP

第３５卷第６期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．６ ２０１８年６月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｎ．２０１８ 基于歌曲标签聚类的协同过滤推荐算法的研究 赵宇峰　李新卫 （西安工业大学计算机科学与工程学院　陕西西安７１００２１） 摘　要　　协同过滤算法通过研究用户的行为日志，对用户行为进行建模，计算用户的相似度进而对推荐对象进 行排名，实现推荐。采用ｋｍｅａｎｓ聚类算法对传统的基于用户的协同过滤算法（ＵｓｅｒＣＦ）进行改进，对用户的听 歌曲标签进行建模，从而形成用户 标签模型；再对用户进行聚类，从而把兴趣相似的用户分到一组；使用ＵｓｅｒＣＦ 算法对每一组用户进行推荐。实验结果表明：改进的算法使得推荐结果的准确率和召回率都有明显提高。 关键词　　歌曲推荐　ｋｍｅａｎｓ聚类　协同过滤　推荐算法　标签 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．０６．０４７ ＲＥＳＥＡＲＣＨＯＮＣＯＬＬＡＢＯＲＡＴＩＶＥＦＩＬＴＥＲＩＮＧＲＥＣＯＭＭＥＮＤＡＴＩＯＮＡＬＧＯＲＩＴＨＭ ＢＡＳＥＤＯＮＳＯＮＧＴＡＧＣＬＵＳＴＥＲＩＮＧ ＺｈａｏＹｕｆｅｎｇ　ＬｉＸｉｎｗｅｉ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎＴｅｃｈｎｏｌｏｇｙＵｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ７１００２１，Ｓｈａａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｈｅｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓｔｕｄｉｅｓｔｈｅｕｓｅｒｓｂｅｈａｖｉｏｒｌｏｇｔｏｍｏｄｅｌｔｈｅｕｓｅｒｓｂｅｈａｖｉｏｒ，ｃａｌｃｕｌａｔｅｓ ｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｔｈｅｕｓｅｒ，ａｎｄｔｈｅｎｒａｎｋｓｔｈｅｒｅｃｏｍｍｅｎｄｅｄｏｂｊｅｃｔｔｏａｃｈｉｅｖｅｒｅｃｏｍｍｅｎｄａｔｉｏｎ．Ｔｈｉｓｐａｐｅｒａｄｏｐｔｋｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｔｏｉｍｐｒｏｖｅｔｈｅｔｒａｄｉｔｉｏｎａｌｕｓｅｒｂａｓｅｄｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ（ＵｓｅｒＣＦ）．Ｔｈｅｕｓｅｒｓｌｉｓｔｅｎｉｎｇ ｓｏｎｇｔａｇｗａｓｍｏｄｅｌｅｄｔｏｆｏｒｍａｕｓｅｒｔａｇｍｏｄｅｌ．Ｕｓｅｒｓｗｅｒｅｃｌｕｓｔｅｒｅｄｔｏｇｒｏｕｐｕｓｅｒｓｗｉｔｈｓｉｍｉｌａｒｉｎｔｅｒｅｓｔｓ．ＴｈｅＵｓｅｒＣＦ ａｌｇｏｒｉｔｈｍｗａｓｕｓｅｄｔｏｒｅｃｏｍｍｅｎｄｅａｃｈｇｒｏｕｐｏｆｕｓｅｒｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｉｍｐｒｏｖｅｓ ｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｒｅｃｏｍｍｅｎｄａｔｉｏｎｒｅｓｕｌｔｓａｎｄｔｈｅｒｅｃａｌｌｒａｔｅ． Ｋｅｙｗｏｒｄｓ　　Ｍｕｓｉｃｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｋｍｅａｎｓｃｌｕｓｔｅｒｉｎｇ　Ｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎａｌｇｏｒｉｔｈｍ　Ｔａｇ ０　引　言 １　传统算法介绍 随着近几年来移动互联网的发展，智能手机变得 目前应用比较广泛的推荐算法包括基于内容的推 越来越普及，智能手机这种随时随地上网的特性使得 荐、协同过滤推荐和混合推荐三种，其中协同过滤推荐 数据量爆炸式的增长，随之而来的是数据怎样才能供 算法应用最为成功，协同过滤推荐算法也是最早被提 用户消费，怎样提供用户感兴趣的信息，成为了一个需 出的［２］。基于内容的推荐算法源自于信息获取领域， 要迫切解决的问题。搜索引擎作为一种用户主动查询 通过对推荐对象内容中的特征提取并计算出推荐对象 信息的模式已经变得越来越被动，它只能提供用户主 的内容相似度进行推荐。这种推荐