基于K-medoids项目聚类的协同过滤推荐算法

被引：17

作者：

王永 ^{[1
]}

万潇逸 ^{[1
]}

陶娅芝 ^{[1
]}

张璞 ^{[2
]}

机构：

[1] 重庆邮电大学经济管理学院

[2] 重庆邮电大学计算机学院

来源：

重庆邮电大学学报(自然科学版) | 2017年 / 04期

关键词：

协同过滤; K-medoids聚类; 用户偏好; 推荐算法;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

针对传统协同过滤推荐算法通常针对整个评分矩阵进行计算,存在效率不高的问题,提出一种基于K-medoids项目聚类的协同过滤推荐算法。该算法根据项目的类别属性对项目进行聚类,构建用户的偏好领域,使用用户偏好领域内的评分矩阵进行用户间相似度的计算,得到目标用户的最近邻居集,并生成推荐结果。与常用的Kmeans聚类方法相比,采用K-medoids方法对项目类别属性进行聚类,不仅克服了评分聚类可靠性不高的问题,而且算法还具有更好的鲁棒性。实验结果表明,该算法能有效提高推荐质量。

引用

页码：521 / 526

页数：6

共 9 条

[1] 基于聚类系数的推荐算法 [J].