双向聚类迭代的协同过滤推荐算法*

摘要：

协同过滤是电子商务推荐系统中广泛采用的技术，然而数据稀疏性会影响协同过滤的推荐质量。本文针对数据稀疏问题提出一种双向聚类迭代的协同过滤推荐算法，对初始得到的用户聚类和项目聚类进行交叉迭代调整，使得聚类簇达到较为稳定的状态，调整后聚类簇的内聚性更强，类之间的区分度更大。实验表明，在调整后的聚类簇中查找邻居将更加准确，可以有效解决数据稀疏问题的影响，有利于提高推荐的准确性。

关键词： 协同过滤 推荐算法 聚类 交叉迭代 MAE

作者: 王明文 陶红亮 熊小勇

作者单位: 江西师范大学计算机信息工程学院 江西师范大学软件学院 江西南昌 330022

会议类型: 国内会议

会议名称: 第三届全国信息检索与内容安全学术会议

会议地点: 苏州

会议语种:中文

页码: 234-240

在线出版日期: 2007-11-01（万方平台首次上网日期，不代表论文的发表时间）