基于聚类和奖惩用户模型的协同过滤算法

根据用户体验为其推荐感兴趣的项目是推荐系统中最重要的问题.本文提出了一种新的易于实现的CBCF(Clustering-Based CF)算法,该算法基于激励/惩罚用户(IPU)模型进行推荐.本文旨在通过IPU模型深入研究用户间偏好的差异来提高准确率、召回率和F1-score方面的性能.本文提出了一个约束优化问题,目标是在给定的精度下最大限度地提高召回率(或F1-score).为此,根据实际评分数据和皮尔逊相关系数,将用户分为若干用户簇,然后根据同一用户簇的偏好倾向,对每个项目进行奖励/处罚.实验结果表明,本文提出的算法在给定准确率的条件下,召回率可以显著提高50%左右.