王颖，唐万梅

（重庆师范大学计算机与信息科学学院，重庆 401331）

一种改进的基于用户属性聚类的推荐算法

王颖，唐万梅

（重庆师范大学计算机与信息科学学院，重庆 401331）

实际应用中的协同过滤推荐算法往往面临着用户冷启动、数据稀疏等问题。针对以上问题，拟采用用户的属性信息进行聚类进行优化，实验通过MATLAB平台在MovieLens数据集上验证所提出的算法的推荐准确性。

用户属性聚类；推荐算法；冷启动；数据稀疏

0 引言

互联网的普及和信息爆炸式增长，使网民遭遇了信息超载等诸多问题。以协同过滤推荐的提出[1]为标志的推荐系统（Recommender System）作为信息过滤系统的一个子类应运而生，它通过挖掘和分析系统用户行为数据如兴趣偏好、用户属性信息等帮助用户快速寻找满足其需求和兴趣的物品或信息。目前个性化推荐得到广泛关注并取得较大发展，但同时面临巨大挑战，如冷启动问题、数据稀疏问题等。

1 本文算法提出

针对推荐算法中的冷启动、数据稀疏等问题，研究者从不同角度对推荐算法进行了改进。文献[2]提出一种对用户离线聚类和在线寻找用户的最近邻的方法，文献[3]通过相似度的关联推荐进行了优化，文献[4]利用用户间的信息传递和层次聚类方法改进了推荐算法，文献[5]将谱聚类应用到用户聚类中去，通过构造拉普拉斯矩阵并选择和构造合适的特征向量空间并采用K-Means算法对特征向量进行聚类。还有很多研究者通过降维、语义分析、Jaccard相似度、奇异值分解、引入其领域知识等[6-10]方法解决数据稀疏问题。……