作者:张飞; 张立波; 罗铁坚; 武延军推荐系统聚类模型协同过滤特征表示图模型
摘要:推荐系统能够有效解决用户的个性化推荐问题,其中,协同过滤是近年来的主流方法.协同过滤算法具有一定的局限性,因为需要在全部的物品中为用户进行推荐,而单个用户往往只对某些领域的物品感兴趣.为了解决这个问题,提出了一种新的协同聚类模型,先将用户和物品根据兴趣或特征进行聚类分组,然后在每个分组上进行相应的推荐.该模型主要包含2个模块:1)特征表示模块,用以发掘用户的兴趣和物品的特征;2)根据该特征构建的图模型,用来求解最终的聚类分组.通过在3种公开数据集上与其他算法进行性能比较,验证了这种协同聚类模型能够显著提高推荐系统预测与推荐的准确度.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社