作者:王菲; 黄刚; 朱峥宇推荐系统信任聚类协同过滤冷启动数据稀疏
摘要:基于聚类的协同过滤算法是依靠群体的思想,根据最近邻的喜好为目标用户进行推荐,在处理规模较大的数据时是高效和可扩展的。但传统的聚类推荐方法普遍存在准确率和覆盖率较低的问题,评分矩阵稀疏性问题也会下降其推荐性能。针对这一系列问题,提出了一种基于信任聚类的协同过滤算法(TCCF)。该算法使用SVD聚类来处理信任和不信任关系矩阵,以发现信任群体。然后,提出了一种稀疏评分填充算法来生成密集用户评分模型解决稀疏性问题。最后与传统协同过滤算法进行整合推荐。开放数据测试实验表明,该算法可以有效地提高推荐的准确性和质量,并且一定程度上缓解了稀疏性问题,在聚类算法中加入信任关系,有效改善了冷启动问题,优于传统的聚类协同过滤算法。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社