基于数据挖掘和聚类分析的协同过滤推荐算法.pdfVIP

第32卷第9期电子设计工程2024年5月

Vol.32No.9ElectronicDesignEngineeringMay2024

基于数据挖掘和聚类分析的协同过滤推荐算法

何岫钰

（北京语言大学商学院，北京100083）

摘要：为了提高推荐系统的可扩展性和用户满意度，设计基于数据挖掘和聚类分析的协同过滤推

荐算法。基于双向关联规则原理，构建标签资源矩阵，利用K-means聚类算法对标签进行聚类。

结合用户偏好标签，算法能计算标签与资源的紧密程度，实现基本推荐。通过标签计算用户与资

源的兴趣度，实现个性化推荐。将基本推荐和个性化推荐线性组合，得出最终结果。实验表明，该

算法不仅能保持数据集的平衡状态，准确性也高。通过聚类捕捉更复杂的用户兴趣模式，显著提

高了推荐结果的命中率和NDCG值，为用户提供更符合个性化需求的资源。

关键词：数据挖掘；聚类分析；协同过滤推荐；标签相似度；偏好度；个性化推荐

中图分类号：TN39文献标识码：A文章编号：1674-6236（2024）09-0047-04

DOI：10.14022/j.issn1674-6236.2024.09.010

Collaborativefilteringrecommendationalgorithmbasedondataminingand

clusteranalysis

HEXiuyu

（SchoolofBusiness，BeijingLanguageandCultureUniversity，Beijing100083，China）

Abstract:Inordertoimprovethescalabilityandusersatisfactionofrecommendationsystems，a

collaborativefilteringrecommendationalgorithmbasedondataminingandclusteringanalysisis

designed.Basedontheprincipleofbidirectionalassociationrules，constructalabelresourcematrixand

useK⁃meansclusteringalgorithmtoclusterlabels.Bycombininguserpreferencetags，thealgorithmcan

calculatethedegreeoftightnessbetweentagsandresources，andachievebasicrecommendations.

Calculateuserandresourceintereststhroughtagstoachievepersonalizedrecommendations.Combine

basicrecommendationsandpersonalizedrecommendationslinearlytoobtainthefinalresult.The

experimentshowsthatthealgorithmcannotonlymaintainthebalanceofthedataset，butalsohashigh

accuracy.Bycapturingmorecomplexuserinterestpatternsthroughclustering，thehitrateandNDCG

valueofrec