基于用户限制聚类的协同过滤推荐算法
    点此下载全文
引用本文:张松,张琳,王汝传.基于用户限制聚类的协同过滤推荐算法[J].南京邮电大学学报:自然科学版,2017,37(3):93~99
摘要点击次数: 491
全文下载次数: 181
作者单位
张松 南京邮电大学 计算机学院江苏南京210023 
张琳 南京邮电大学 计算机学院江苏南京210023;南京邮电大学 江苏省无线传感网高技术研究重点实验室江苏南京210003 
王汝传 南京邮电大学 计算机学院江苏南京210023;南京邮电大学 江苏省无线传感网高技术研究重点实验室江苏南京210003 
基金项目:国家自然科学基金(61402241,61572260,61373017,61572261,61472192)、江苏省科技支撑计划(BE2015702)、江苏省普通高校研究生科研创新计划(CXLX12_0482)和南京邮电大学校级科研基金(NY217050)资助项目
中文摘要:协同过滤推荐算法是个性化推荐系统的关键技术,但是其在计算过程中存在“数据稀疏性”和“冷启动”等问题,利用数据挖掘中的聚类技术,提出了一种基于用户限制聚类的协同过滤推荐算法。首先利用限制聚类技术将相似用户聚类到一起,在聚类的簇中找邻居用户,然后通过改进的协同过滤算法来进行推荐。实验结果表明,新算法改善了“数据稀疏性”和“冷启动”的问题,并且相比传统的协同过滤算法和基于K-means用户聚类协同过滤算法具有较高的推荐质量。
中文关键词:数据挖掘  聚类算法  协同过滤  推荐算法
 
Collaborative filtering recommendation algorithm based on user restriction clustering
Abstract:Collaborative filtering recommendation algorithm is the key technology of personalized recommender systems,but there exist some problems such as ‘data sparseness’ and ‘cold start’ in the calculation process.A collaborative filtering recommendation algorithm based on user restriction clustering is proposed by using the clustering technique in data mining.Firstly,the similar users are clustered together by the restriction clustering technique,and the neighbor users are found in the clustering.Then,the improved collaborative filtering algorithm is used to make recommendations.Experimental results show that the algorithm improves the situation of ‘data sparseness’ and ‘cold start’,and has higher recommendation quality than the traditional collaborative filtering algorithm and the K-means user clustering collaborative filtering algorithm.
keywords:data mining  clustering algorithm  collaborative filtering  recommendation algorithm
查看全文  查看/发表评论  下载PDF阅读器

你是第1114109访问者
版权所有《南京邮电大学学报(自然科学版)》编辑部
Tel:86-25-85866913 E-mail:xb@njupt.edu.cn
技术支持:本系统由北京勤云科技发展有限公司设计