陈伶红，徐华中，李 鲍，吴友宇

(1.武汉理工大学 自动化学院，湖北 武汉 430070；2.武汉理工大学 信息工程学院，湖北 武汉 430070)



一种基于用户对项目属性偏好的推荐算法

陈伶红1，徐华中1，李 鲍1，吴友宇2

(1.武汉理工大学 自动化学院，湖北 武汉 430070；2.武汉理工大学 信息工程学院，湖北 武汉 430070)

针对协同过滤推荐算法中存在的数据稀疏性问题，提出了一种基于用户偏好模型的混合聚类推荐算法。利用用户-项目评分矩阵参考TF-IDF和信息熵的原理得到了用户对项目属性的偏好模型，并以此为基础数据进行用户聚类、相似度计算和最近邻查询，然后对用户未评分的项目进行评分预测，进而产生推荐。实验表明，基于用户对项目属性偏好的混合聚类推荐算法与传统的协同过滤和基于用户-项目评分矩阵的聚类算法相比，在推荐精度上表现出一定的优越性。

推荐算法；协同过滤；用户偏好；SOM；K-means

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代。推荐系统能够有效地解决信息过载问题，在电子商务领域得到了广泛的应用，其中推荐算法则是最核心的技术点。协同过滤推荐算法是目前最为成熟的一种推荐算法[1]，可分为基于用户的协同过滤和基于项目的协同过滤。基于用户的协同过滤推荐算法主要是依据用户的历史评分数据计算用户间的相似度，找到目标用户的最近邻居，目标用户对未评分项目的评分可以通过其近邻对该项目的评分进行预测，将评分最高的前N个项目推荐给目标用户。……