基于改进聚类和矩阵分解的协同过滤推荐算法

摘要 大数据背景下，对于传统的协同过滤推荐算法在电子商务系统中的数据稀疏性、准确性不高、实时性不足等问题，提出一种改进的协同过滤推荐算法。该算法首先通过矩阵分解实现对原始数据的降维及其数据填充，并引入了时间衰减函数预处理用户评分，用项目的属性向量来表征项目，用用户的兴趣向量来表征用户，通过k-means聚类算法对用户和项目分别进行聚类；然后使用改进相似性度量方法在簇中查找用户的最近邻和项目推荐候选集，产生推荐。实验结果表明，该算法不仅可以有效解决数据稀疏和新项目带来的冷启动问题，而且还可以在多维度下反映用户的兴趣变化，推荐算法的准确度明显提升