基于用户兴趣模糊聚类的协同过滤算法

【目的】解决传统协同过滤推荐算法存在的数据稀疏性、用户不同时间的兴趣被等同考虑的问题。【方法】提出一种基于用户兴趣模糊聚类的协同过滤算法。将用户兴趣模型分为稳定兴趣和当前兴趣,利用用户稳定兴趣对用户进行模糊聚类,确定用户最近邻,形成初始推荐集;计算推荐列表中各个项目和用户当前兴趣的相似度,然后按照相似度大小排序,生成最终推荐列表。【结果】在数据集Movie Lens上验证本方法的推荐准确率,其平均绝对误差(MAE)较传统方法降低近10%。【局限】该算法中,在对用户稳定兴趣建模时考虑所有的项目类别,没有对项目类别进行处理(如合并和删除等)。【结论】与传统的推荐算法相比,该方法的推荐准确度有明显提高。