Collaborative Filtering Recommender Systems Based on Clustered Users Using AntStream Algorithm
基于AntStream用户聚类的协同过滤推荐系统

系统规模的逐步扩大和用户兴趣的发展变化给传统协同过滤推荐系统带来了实时性减弱和准确性降低的问题。基于K-Means用户聚类的协同过滤技术虽然能在一定程度上解决这两个问题，算法本身却带有局部最优的缺陷。在保证实时性的前提下，为克服K-Means算法的缺陷，提出使用AntClass蚁群算法对用户聚类。同时提出将用户评分看作数据流，利用金字塔时间框架预处理数据，从而体现用户兴趣随时间的变化。于是，将AntClass蚁群算法和利用金字塔时间框架预处理过的数据流相结合，最终形成文中的AntStream算法。实验表明，AntStream算法不仅改善了传统协同过滤推荐系统的实时性问题，而且更大程度提高了推荐质量。