论文部分内容阅读
协同过滤算法利用大量数据,通过研究用户的喜好可以为用户推荐其感兴趣的项目,在电子商务得到了广泛应用。然而,此类算法在面临扩展性、数据稀疏性和冷启动等问题时,出现推荐准确度下降和推荐效率偏低的问题。针对这些问题,本文引入用户属性相似度的概念,使用K-means聚类算法将用户划分到恰当用户簇,预测用户对项目的评分。然后,通过混合加权的方法,将基于用户属性的K均值聚类的推荐算法与基于项目的协同过滤算法相融合,提出综合用户属性的协同过滤算法。通过在Movie Lens数据集上进行实验,结果表明本文所提出的算