基于文本聚类的用户聚类在推荐系统中的应用

刘源 耿瑞焕

（鹤壁汽车工程职业学院 鹤壁 458030）

基于文本聚类的用户聚类在推荐系统中的应用

刘源 耿瑞焕

（鹤壁汽车工程职业学院 鹤壁 458030）

协同过滤是推荐系统中最重要的技术之一。随着电子商务用户和商品数目的增加，在商品空间上用户评分数据极端稀疏。本文提出一种基于文本聚类的用户聚类方法，对用户评论做文本聚类处理，再经过余弦相似性度量，得到用户聚类，最终做出推荐。实验结果表明，该方法可以反映用户的真实兴趣，有效的解决了稀疏性问题。

协同过滤；稀疏矩阵；文本聚类；用户聚类

目前，个性化推荐的应用日益广泛，已成为Web2.0时代的核心技术。本文提出一种基于文本聚类的用户聚类方法，对用户的评分做出预测，在一定的可靠性前提下解决了矩阵的稀疏性问题，提高推荐质量。

1 相关工作

文本聚类根据文档的某种联系或相关性对文档集合进行有效的组织、摘要和导航，方便人们从文档集中发现相关的信息。

协同过滤推荐算法基于这样一个假设：

假设1：如果用户对一些项目的评分比较相似，则他们对其他项目的评分也会比较相似。

基于用户的协同过滤算法整个过程可以分为以下三步：

步骤1：找出目标用户的最近邻居，首先采用用户-项阵Rm，n表示用户评分信息，其中m行表示m个用户，n列表示n个项目，Ri，j表示用户i对项目j的评分值。

步骤2：计算用户相似性，找出最近邻居。

相似性度量方法有余弦相似性、修正的余弦相似性和相关相似性3种，我们选择相关相似性方法。……