基于多层相似性用户聚类的推荐算法
李涛[1,2] 王建东[1]
[1]南京航空航天大学信息科学与技术学院,南京210016 [2]南京信息工程大学电子与信息工程学院,南京210044
摘 要:
为了降低数据稀疏性的影响，提高推荐系统的推荐生成质量，提出了一种基于多层相似性用户聚类的协同过滤推荐算法。该算法采用新的多层用户相似性度量，并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，该算法不仅加快了推荐生成速度，而且提高了推荐质量，降低了约6％的平均绝对误差。 (共5页)
学科分类:
TP391[工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工)]
相关期刊
关注本文的人:
看过本文的人还看过:
cqvip.com