论文部分内容阅读
本文提出一种基于标签聚类的协同过滤推荐算法,通过构造用户—标签相关性矩阵,获得用户的兴趣爱好;然后对K-means聚类算法进行改进,获得具有相同兴趣爱好的用户簇;最后在与目标用户相匹配的用户簇中寻找最近邻居集合,产生推荐.实验结果表明,与基于用户的协同过滤算法相比,改进的协同过滤推荐算法具有更高的推荐质量.