基于聚類協同過濾推薦算法優化
大小:0.90 MB 人氣: 2017-11-27 需要積分:1
推薦 + 挑錯 + 收藏(0) + 用戶評論(0)
作為重要的個性化推薦算法之一,協同過濾推薦算法有其獨特的優勢,但同時存在數據稀疏性、冷啟動和擴展性問題。針對數據稀疏性問題,對項目相似度進行改進,利用基于項目的協同過濾對原始評分矩陣進行填充,以此降低數據稀疏性對推薦質量的影響。針對冷啟動問題,采用基于用戶和項目屬性分別進行聚類的方法,通過聚類模型建立新用戶和新項目與現有用戶和現有項目之間的聯系,根據對現有用戶和現有項目的推薦預測新用戶和新項目的推薦。針對擴展性問題,利用云平臺Hadoop的MapReduce框架完成相關算法的并行化,以此解決傳統協同過濾推薦算法面臨的嚴重擴展性問題。實驗表明,改進后的算法較好地解決了以上問題。