论文部分内容阅读
协同过滤推荐算法是个性化推荐系统的关键技术，但是其在计算过程中存在“数据稀疏性”和“冷启动”等问题，利用数据挖掘中的聚类技术，提出了一种基于用户限制聚类的协同过滤推荐算法。首先利用限制聚类技术将相似用户聚类到一起，在聚类的簇中找邻居用户，然后通过改进的协同过滤算法来进行推荐。实验结果表明，新算法改善了“数据稀疏性”和“冷启动”的问题，并且相比传统的协同过滤算法和基于K—means用户聚类协同过滤算法具有较高的推荐质量。