基于改进Canopy聚类的协同过滤推荐算法.PDFVIP

37 9 Vol. 37 No. 9 第 卷第 期 计算机应用研究 录用定稿 Application Research of Computers Accepted Paper 基于改进Canopy 聚类的协同过滤推荐算法 * 1 2 1 唐泽坤 ，黄柄清 ，李 廉 (1. 兰州大学 信息科学与工程学院, 兰州 730000; 2. 伦斯勒理工学院 科学院, 美国) 摘 要：推荐系统通过建立用户和信息产品之间的二元关系，利用用户行为产生的数据挖掘每个用户感兴趣的对象 并进行推荐，基于用户的协同过滤是近年来的主流办法，但存在一定局限性：推荐时需要考虑全部用户，而单个用 户往往只与少部分用户类似。为了解决这个问题，提出了基于改进 Canopy 聚类的协同过滤推荐算法，将用户模型 数据密度、距离与用户活跃度结合，计算用户数据权值，对用户模型数据进行聚类。由于结合了 Canopy 的聚类思 想，同一用户可以属于不同的类，符合用户可能对多领域感兴趣的情况。最后对每个canopy 中的用户进行相应的推 荐，根据聚类结果与用户评分预测用户可能感兴趣的对象。通过在数据集MovieLens 和Million Songs 上与对比算法 进行MAE 、RMSE 、NDGG 三个指标的比较，验证了算法能显著提高推荐系统预测与推荐的准确度。 关键词：Canopy 聚类；推荐系统；协同过滤 中图分类号：TP391 doi: 10.19734/j.issn.1001-3695.2019.04.0137 Collaborative filtering recommendation algorithm based on improved canopy clustering 1 2 1 Tang Zekun , Huang Bingqing , Li Lian (1. School of Information Science Engineering , Lanzhou University, Lanzhou Gansu 730000, China; 2. School of science, Rensselaer Polytechnic Institute , USA) Abstract: By establishing the binary relationship between users and information products, the recommender system makes use of the data generated by user behavior to mine the objects that each user is interested in and make recommendations, user-based collaborative filtering has been a mainstream approach in recent years, but it has a limitation : recommendations need to consider all users, and a specific user is often similar to a small number of users. To sol