论文部分内容阅读
协同过滤算法通过研究用户的行为日志,对用户行为进行建模,计算用户的相似度进而对推荐对象进行排名,实现推荐。采用k-means聚类算法对传统的基于用户的协同过滤算法(User-CF)进行改进,对用户的听歌曲标签进行建模,从而形成用户-标签模型;再对用户进行聚类,从而把兴趣相似的用户分到一组;使用User-CF算法对每一组用户进行推荐。实验结果表明:改进的算法使得推荐结果的准确率和召回率都有明显提高。