基于项目属性聚类及相似度优化的协同过滤算法
作者:苏凯; 张萱; 付静
更新时间:
协同过滤是电子商务推荐系统中应用最广泛的算法。在面对数据稀疏性问题时,传统协同过滤算法的相似度计算不够准确,影响了推荐系统的准确性。鉴于此,提出了一种基于项目属性聚类和相似性优化的alpine算法。首先,用杰卡德系数度量项目之间的属性距离,用改进的K-means算法对项目进行聚类。然后,计算目标项与每个类中心之间的属性距离,设置阈值,选择小于阈值的类,将搜索范围缩小到相应的类。最后,引入属性权重的概念,将分数与属性权重相结合,优化相似度计算。在MovieLens数据集上的实验结果表明,改进后的算法可以显著提高推荐的准确性、准确性和覆盖率。