一種基于聯(lián)合聚類的協(xié)同過濾推薦算法研究.pdf

1、隨著互聯(lián)網(wǎng)中信息量的急劇增長,人們在海量信息中快速獲得自己感興趣的信息變得越來越困難。如電子商務(wù)、社交媒體、音樂、視頻、問答等站點,信息量越來越龐大,而用戶所關(guān)心與關(guān)注的往往是很少的一部分。個性化技術(shù)強調(diào)從用戶興趣出發(fā),針對不同用戶提供特定的個性化服務(wù)。其中,推薦系統(tǒng)根據(jù)用戶歷史信息發(fā)現(xiàn)用戶的興趣,從而主動向用戶推薦其可能感興趣的資源,幫助用戶快速獲取有用信息。
　　協(xié)同過濾技術(shù)是一種基于用戶顯性評分行為的推薦技術(shù),是應(yīng)用最早且最

2、為成功的推薦技術(shù)之一。然而,隨著系統(tǒng)中用戶數(shù)量與項目數(shù)量的與日俱增,其面臨著兩個主要挑戰(zhàn):(1)提高協(xié)同過濾推薦算法的擴展性,實時處理大量動態(tài)數(shù)據(jù);(2)降低系統(tǒng)中評分?jǐn)?shù)據(jù)的稀疏性,提高推薦精度。
　　研究了一個改進的協(xié)同過濾算法——同時基于用戶與項目兩個維度進行聯(lián)合聚類的協(xié)同過濾方法。聚類后的矩陣規(guī)模遠遠小于原始評分矩陣,且同一類別內(nèi)部的評分具有相似的模式,可快速靈活的進行評分預(yù)測。針對該離線聚類模型的增量更新機制提出了改進方法