结合用户兴趣度聚类的协同过滤推荐算法

来源：计算机应用研究杂志2019年第9期北京时间：

作者：黄贤英,龙姝言,谢晋,

单位：重庆理工大学计算机科学与工程学院,重庆400054；

摘要：针对传统的协同过滤算法忽略了用户兴趣源于关键词以及数据稀疏的问题，提出了结合用户兴趣度聚类的协同过滤推荐算法。利用用户对项目的评分，并从项目属性中提取关键词，提出了一种新的RF-IIF （rating frequency-inverse item frequency）算法，根据目标用户对某关键词的评分频率和该关键词被所有用户的评分频率，得到用户对关键词的偏好，形成用户—关键词偏好矩阵，并在该矩阵基础上进行聚类。然后利用logistic函数得到用户对项目的兴趣度，明确用户爱好，在类簇中寻找目标用户的相似用户，提取邻居爱好的前N个物品对用户进行推荐。实验结果表明，算法准确率始终优于传统算法，对用户爱好判断较为准确，缓解了数据稀疏问题，有效提高了推荐的准确率和效率。

关键词：协同过滤,推荐算法,用户兴趣,K-means聚类,

基金资助：国家社会科学基金资助项目(17XXW004)；国家自然科学基金资助项目(61603065)；国家统计局全国统计科学研究重点项目(2016LZ08)；国家教育部人文社会科学研究项目(15YJC790061)；；