基于项目聚类的全局最近邻的协同过滤算法

用户评分数据极端稀疏的情况下，传统相似性度量方法存在弊端，导致推荐系统的推荐质量急剧下降。针对此问题，提出了一种基于项目聚类的全局最近部的协同过滤算法。该算法根据项目之间的相似性进行聚类，使得相似性较高的项目聚成一类，在项目聚类集的基础上，计算用户的局部相似度，使用一种新的最近部用户全局相似度作为衡量用户间相似性的标准;其次，给出了一种利用重叠度因子来调节局部相似度的方法，以更准确地刻画用户之间的相似性。实验结果表明，该算法可以提升预测结果的准确性，提高推荐质量，特别是在数据较为稀疏时，改善尤为明显。