文献类型：期刊文章

作　　者：李涛[1] 王建东[1] 叶飞跃[1] 冯新宇[1] 张有东[1]

机构地区：[1]南京航空航天大学信息科学与技术学院

出　　处：《系统工程与电子技术》

基　　金：江苏省自然科学基金(BK2002091);南京信息工程大学科研基金(Y507)资助课题

年　　份：2007

卷　　号：29

期　　号：7

起止页码：1178-1182

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20073410777449)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为解决传统协同过滤算法在生成推荐时的速度瓶颈问题,提出了一种基于用户聚类的协同过滤推荐算法。该算法将推荐过程分成了离线和在线两个部分。离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类寻找目标用户最近邻居,并产生推荐。实验表明,基于用户聚类的协同过滤推荐算法不仅加快了推荐生成速度,而且提高了推荐质量。

关 键 词：推荐算法  协同过滤 聚类 平均绝对误差

分 类 号：TP391]