基于用户聚类与Slope One填充的协同推荐算法

来源：计算机工程与应用杂志2018年第22期北京时间：

作者：龚 敏1，邓珍荣2，黄文明2

单位：1.桂林电子科技大学 计算机科学与信息安全学院，广西 桂林 541004；2.桂林电子科技大学 广西可信软件重点实验室，广西 桂林 541004

摘要：针对传统的用户个性化推荐中使用的协同过滤算法存在稀疏性和可扩展性不足的问题，提出了一种基于用户特征聚类和Slope One填充的协同过滤算法。该算法首先以用户属性特征作为聚类依据，利用基于最小生成树K-means聚类算法对用户进行聚类分析，生成K个相似用户集合；其次在聚类分析的基础上，利用Slope One算法预测填充生成的相似用户集下的用户评分矩阵；最后采用混合协同过滤算法对填充后的用户评分矩阵进行最近邻搜索，从而得到预测评分，产生推荐结果。对比实验结果表明，提出的算法显著提高了推荐的精度，有效缓解了稀疏性问题，具有良好的可扩展性。

关键词：协同过滤,用户特征,K-means,Slope One,最近邻搜索