基于Weighted-slope One的用户聚类推荐算法研究

针对传统协同过滤推荐算法存在的数据稀疏性以及实时性差的问题，提出一种基于Weighted-slope One的用户聚类推荐算法。该算法首先利用Weighted-slope One算法的思想对初始的用户-评分矩阵进行有效填充，降低数据的稀疏性；然后，结合初始聚类中心优化改进的K -means方法对用户进行聚类，生成相似用户集合，以缩小目标用户搜索最近邻的范围；最后，结合目标用户所属的聚类，利用基于用户的协同过滤算法搜索最近邻居，为目标用户推荐对应的产品。仿真实验结果表明，改进算法可以显著降低数据的稀疏度，同时提升推荐的准确性和实时性