基于用户谱聚类的协同过滤推荐算法

• 作 者: 李振博 徐桂琼 査九
• 机 构: 上海大学管理学院
• 出 处: 计算机技术与发展
• 发表日期: 2014年9期
• 关键词: 协同过滤 非负矩阵分解 相似度 谱聚类 collaborative filtering Non-negative Matrix Factorization （
• 基金项目: 基金项目：国家自然科学基金资助项目（11201290）

针对电子商务系统中传统协同过滤推荐算法面临的稀疏性、准确性、实时性等问题,提出了一种基于用户谱聚类的协同过滤推荐算法。首先利用非负矩阵分解的方法对原始稀疏评分矩阵进行平滑处理,然后利用改进相似度的谱聚类方法将用户聚类,最后在用户所属类中寻找最近邻并产生推荐。用户谱聚类过程可离线完成,加快了在线推荐速度。在数据集MovieLens上的实验结果表明,该算法在平均绝对偏差、召回率、准确率等方面都有了较大改善,提高了推荐质量。