基于用户谱聚类的Top-N协同过滤推荐算法
Computer Engineering and Applications 计算机工程与应用
2018，54（7）1引言网络空间中所蕴含的信息量呈指数级增长，引起了信息超载等一系列问题。据国际数据公司IDC （Int ’1Data Corporation ）2012年报告显示：预计到2020年，全球数据总量将达到35.2ZB ，这一数据量是2011年的22倍[1-2]，个性化推荐系统是解决上述问题的有效方法之一。协同过滤推荐算法是推荐系统中应用最广泛、最成功的推荐技术之一[3]。协同过滤推荐算法包括基于记忆的协同过滤推荐算法和基于模型[4]的协同过滤推荐算法，基于记忆的协同过滤算法也可以分为基于物品和基于用户的协同过滤推荐算法[2，5-6]。基于模型的算法是根
据评分数据训练出一个模型来产生推荐的方法，包括贝叶斯网络、聚类、回归算法、马尔科夫决策过程、SVD 奇异值分解（Singular Value Decomposition ）、LFM 隐语义模型（Latent Factor Model ）等。基于记忆的算法依赖于计算用户或者物品之间的相似度，为用户推荐相似的
物品。文献[7]利用聚类算法解决了传统协同过滤推荐算法存在的可扩展性问题，该算法提高了推荐准确率，同时也减少了算法的时间复杂度；文献[8]提出了一种多聚类算法，将所有用户和物品聚成若干个用户-物品基于用户谱聚类的Top-N 协同过滤推荐算法
肖文强，姚世军，吴善明
XIAO Wenqiang,YAO Shijun,WU Shanming
解放军信息工程大学理学院，郑州450001
College of Science,The PLA Information Engineering University,Zhengzhou 450001,China
XIAO Wenqiang,YAO Shijun,WU Shanming.Top-N collaborative filtering recommendation algorithm based on user spectrum https://www.docsj.com/doc/1f6768302.html,puter Engineering and Applications,2018,54（7）：138-143.
Abstract ：This paper focuses on the issues that the impact of all users ’historical feedback information has been taken into account when calculating the similarities between any two items,and the traditional collaborative filtering algorithms only utilize the user ’s rating data to calculate the similarities.To solve the above problems,two novel algorithms are proposed.Top-N Collaborative Filtering recommendation algorithm based on user Spectral Clustering （SC-CF ）：it clusters all uses into several partitions using spectral clustering,then recommends for users in each of the clusters.SC-CF+,com-pared to SC-CF algorithm,draws the time difference weight,users ’common rating weight and popular items weight into the similarities formula respectively.Experimental results show that the two new algorithms improve the recall of recom-mendation results.
Key words ：collaborative filtering;similarity;historical feedback information;spectral clustering;recall
摘要：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。
关键词：协同过滤；相似度；历史反馈信息；谱聚类；召回率
文献标志码：A 中图分类号：TP301.6doi ：10.3778/j.issn.1002-8331.1610-0330
作者简介：肖文强（1993—），男，通迅作者，硕士研究生，主要研究方向为先进计算、推荐算法；姚世军（1961—），男，教授，主要研
究方向为智能计算；吴善明（1978—），男，博士，副教授，主要研究方向为分布式智能系统。
收稿日期：2016-10-26修回日期：2017-01-19文章编号：1002-8331（2018）07-0138-06
CNKI 网络优先出版：2017-04-26,https://www.docsj.com/doc/1f6768302.html,/kcms/detail/11.2127.TP.20170426.1815.006.html
138万方数据