文档介绍：基于模范用户的改进协同过滤算法本文由 bigwatermouse 贡献 pdf 文档可能在 WAP 端浏览体验不佳。建议您优先选择 TXT ,或下载源文件到本机查看。第 37卷 第3期 puter Engineering 文章编号: 1000 — 3428(2011)03 — 0070 — 02 文献标识码: A 2011 年2月 February 2011 中图分类号: TP312 · 软件技术与数据库· 基于模范用户的改进协同过滤算法傅鹤岗,彭晋( 重庆大学计算机学院,重庆 400030) 摘要:针对传统协同过滤算法普遍存在的稀疏性和扩展性问题, 在传统协同过滤算法的基础上提出一种基于模范用户的协同过滤算法。通过对用户空间的聚类, 自动选取模范用户聚类的最优粒度, 利用模范用户产生推荐。实验结果表明,与传统协同过滤算法和其他基于聚类策略的算法相比,该算法在明显提高推荐效率的同时对推荐精度和稳定性都有所改进。关键词:聚类粒度;协同过滤;模范用户 Improved Collaborative Filtering Algorithm Based on Model Users FU He-gang, PENG Jin (College puter, Chongqing University, Chongqing 400030, China) 【 Abstract 】 Aiming at the problem that traditional collaborative filtering algorithms generally exist highly sparse and extensibility, this paper proposes a method of virtual model of users clustering to improve collaborative filtering algorithm. By clustering users space, it gets proper clustering granular and mendation automatically. Experimental results show that the algorithm is obviously effective, and improves prediction accuracy and pared with traditional collaborative filtering. 【 Key words 】 clustering granular; collaborative filtering; model users DOI: .1000- 1 概述随着信息化不断渗透到人们生活的方方面面,人们大多数时间处于信息的漩涡, 面对浩瀚的信息海洋, 显得有些手足无措。 Chris Anderson 在《长尾理论》中有一个著名的论断:“我们已经离开信息时代, 进入推荐时代。”提供个性化的推荐服务成为急需研究的重要课题, 也是未来网络世界的发展方向。协同过滤推荐技术[1] 是迄今为止应用最广泛、最成功的个性化推荐技术。其基本思想是通过用户对项目评分的相