聚类与协同过滤相结合的隐式推荐系统.pdfVIP

2014年 12月 计算机工程与设计 Dec．2014 第 35卷 第 12期 COMPUTER ENGINEERING AND DESIGN Vo1．35 No．12 聚类与协同过滤相结合的隐式推荐系统 许 伟，段 富 (太原理工大学 计算机科学与技术学院，山西 太原 030024) 摘 要 ：针对 目前大多推荐系统中使用的协 同过滤算法都需要有显示的用户反馈的问题 ，提 出一种在隐式反馈推荐系统中 使用聚类与矩阵分解技术相结合的方法，为用户提供更好地推荐结果。其结果是由基于用户历史购买记录的隐式反馈产生 的，不需任何显式反馈提供的数据。采用高维的、无参数的分裂层次聚类技术产生聚类结果，根据聚类的结果为每个用户提 供高兴趣度的个性化推荐。实验结果表明，在隐式反馈的情况下该方法也能有效获得用户偏好，产生大量的高准确度推荐。 关键词：推荐系统；协同过滤；聚类；隐式反馈 ；分裂层次聚类算法 中图法分类号：TP301．6 文献标识号：A 文章编号：1000—7024(2014)12—4181—05 Combiningclusteringandcollaborativefilteringforimplicitrecommendersystem XU W ei。DUAN FU (CollegeofComputerScienceandTechnology，TaiyuanUniversityofTechnology，Taiyuan030024，China) Abstract：Aimingattheproblem thatmostcollaborativefilteringalgorithmsrequireexplicituserfeedback，acombinationme- thodofclusteringandmatrixdecompositionin implicitfeedbackwasproposedtoprovideuserswithbetterrecommendationre— suits，andtheresultsweregeneratedusingonlyimplicitfeedbackbasedonusers’purchasehistorywithoutrequiringanyparame— tersfrom explicitfeedback．A highdimensional，parameter-free，divisivehierarchicalclusteringtechniquewasusedtOproduce clusteringresultsandpersonalizedrecommendationswereprovidedtousersbasedontheclusteringresults．Finally，experimental resultsdemonstrateeffectiveuserpreferencecanbeobtainedandahighpercentageofrecommendationwithhighratingscanbe generatedwhileusingonlyimplicitfeedbackthroughthismethod． Keywords：recommendersystems；collaborativefiltering；clustering；implicitfeedback；DHCC 此，挖掘用户组和每个组的行为结构是非常困难的。 0 引 言 本文提出了一种高维的、无参数的分裂层次聚类技术， 目前，虽然已经有很多基于协同过滤的显式反馈推荐 它只需要通过基于用户历史购买记录的隐式反馈就可 以挖 系统，但是开发推荐系统的非显式反馈技术仍不完善。尽 掘出同一簇中用户之间的关系。使用矩阵分解的方法就可 管已经有一些推荐系统采用了隐式反馈推荐技术，如基于 以挖