论文研究基于用户谱聚类的TopN协同过滤推荐算法.pdf

传统的协同过滤推荐算法为目标用户推荐时，考虑了所有用户的历史反馈信息对物品相似度的影响，同时相似度的度量仅依靠用户评分信息矩阵，导致了推荐效果不佳。为解决上述问题，提出了基于用户谱聚类的Top-N协同过滤推荐算法（SC-CF），即应用谱聚类将兴趣相似的用户分成一类，具有相似兴趣爱好的用户比其他用户具有更高的推荐参考价值，然后在类中为目标用户推荐。SC-CF算法在SC-CF算法的基础上，在相似度度量方法中分别引入了物品时间差因素、用户共同评分权重、流行物品权重。实验结果表明，提出的两种算法提高了推荐结果的召回率。