一种聚类与kNN结合的协同过滤算法

随着电子商务的发展,推荐系统被广泛用于挖掘用户行为数据中的商业价值.基于kNN的协同过滤是经典的推荐算法,但存在两个主要问题:时间复杂度高以及使用单个距离度量导致预测精度低.本文提出了一种聚类与kNN相结合的协同过滤算法(C-kNN).在预处理阶段,使用M-distance将商品划分成多个簇.在评级预测阶段,只有簇内的项目作为距离计算和预测的候选邻居.在四个真实数据集上的实验结果表明,C-kNN比经典kNN在MAE和RMSE上均有可观提升.