文献类型：期刊文章

作　　者：刘旭东[1] 葛俊杰[1] 陈德人[2]

机构地区：[1]烟台职业学院信息工程系,山东烟台264670 [2]浙江大学计算机科学与技术学院,浙江杭州310027

出　　处：《计算机工程与科学》

基　　金：国家科技支撑计划资助项目(2008BAH21B03)

年　　份：2010

卷　　号：32

期　　号：12

起止页码：125-127

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、ZGKJHX、核心刊

摘　　要：协同过滤技术是目前电子商务推荐系统中最为主要的技术之一,但随着系统规模的日益扩大,它面临着算法可扩展性和数据稀疏性两大挑战。针对上述问题,本文提出了一种基于聚类和协同过滤的组合推荐算法。首先利用聚类对项目进行分类,在用户感兴趣的类里进行推荐计算,有效地解决了算法的可扩展性问题;接着在每一类中使用基于项目的协同过滤对未评价的项目进行预测,把较好的预测值填充到原用户-项集合中,有效地缓解了数据稀疏性问题;最后根据协同过滤推荐在相似项目的范围内计算邻居用户,给出最终的预测评分并产生推荐。实验结果表明,本算法有效地解决了上述两个问题,提高了推荐系统的推荐质量。

关 键 词：协同过滤 聚类 算法可扩展性  数据稀疏性 平均绝对偏差

分 类 号：TP391]