摘 要：协同过滤算法在推荐系统中得到了广泛的应用，但是随着数据的不断增长，用户相似度低、推荐准确性不高等问题也逐渐显现．针对上述问题，提出一种基于K-means 的改进协同过滤算法．首先，通过K-means 聚类算法将相似的用户进行聚类，在聚类过程中，利用欧几里得公式计算数据之间的距离，该算法得到聚类效果最好的簇数K；其次，将K 值作为二分K-means 算法的输入，通过该聚类算法得到最终的聚类结果；再次，通过改进之后的相似度公式得到目标用户的邻居用户集合；最后，通过预测评分公式预测项目的分值．实验表明，该算法在准确率、召回率以及F₁指标上都有一定程度的提高．

论文下载：

07.pdf

  浏览次数：