文档介绍：技术与方法
.)’/0123) &0- 4)$/,-
二分网络中基于谱聚类的协同推荐
张思明!游天童
!福州大学数学与计算机学院"福建福州<=>8>?#
摘要! 提出一种基于谱聚类的协同推荐算法$***@3A34B" 首先从用户$#$ 项目二分网络的单顶点投
影中得到用户之间的相似矩阵!然后对该矩阵应用谱聚类算法!将用户聚成$ 类!并将得到的聚类结
果用于数据平滑和邻居结点的选择!最后基于最近邻居集评分行为!对目标用户产生推荐% 在-&6+."
C.); 上的实验结果证明本文方法比传统的协同过滤算法能更好地应用于二分网络的协同推荐"
关键词! 协同过滤&谱聚类&推荐算法&平均绝对偏差
中图分类号! D:<E8 文献标识码! F 文章编号! 8GHIJHHK>$K>8KBKKJ>>G>J>I
3&%%(’&5(/+6. &MM.)1(/+&) ’(;.1 &) ;(% L%O;/.5+), +) ’+N(5/+/. )./P&5*
Q0(), @+M+),!R&O D+()/&),
S3&%%.,. &T #(/(/+L; ()1 3&MNO/.5 ***@L+.) 4OV0&O W)+;+/XU 4OV0&O <=>8>? !30+)(B
!"#$%&’$ ! D0+; N( N5&N&;.; () (NN5&(L0 ’(;.1 &) ;(% L%O;/.5+), T&5 L&%%(’&5(/+6. &MM.)1(/+&)Y4+5;/%XUP. L&)1OL/
O;.5JO;.5 ;+M+%(5+/X M(/5+Z T5&M +/.MJO;.5 ’+N(5/+/. )./P&5* /05&O,0 &).JM&1. N5&[.L/+&)Y D0.) P. (NN%X ;(% L%O;/.5+), M./0&1
/& L%O;/.5 O;.5; +)/& $ L%O;/.5; T5&M /0. O;.5 JO;.5 ;+M+%(5+/X M(/5+Z T&5 1(/( ;M&&/0+), ()1 ).+,0’&50&&1 ;.%.L/+&)YF/ %(;/UP. M(*.
&MM.)1(/+&) T&5 /(5,./ O;.5 ’(;.1 &) /0. 5(/+), ’.0(6+&5 &T ).(5.;/ ).+,0’&5; ;./Y\+M.)/ 5.;O%/ &) #&6+.].); ;0&P; /0(/ &O5
N5&N&;.1 (NN5&(L0 +; ’.//.5 /0() /5(1+/+&)(% L&%%(’&5(/+6. T+%/.5+), (%,&5+/0MY
()* +,%-# ! L&%%(’&5(/+6. T+%/.5+), %;(% L%O;/.5+), %&MM.)1(/+&) (%,&5+/0M %-F\
随着互联网信息的不断膨胀! 信息过载也越来越严行聚类! 然后计算目标用户与各个类别之间的相似度!
重!因而推荐系统越来越受到人们的重视" 最简单的推找出最相似的类! 用该类对某个项目的评分作为目标
荐算法是全局排名方法!"#$!%&’(% "()*+), -./0&12! 该用