基于用户特征和评分的精准推荐策略研究
【摘要】 个性化推荐系统是帮助用户发现内容，克服信息过载的重要工具。为了提高推荐算法的准确率和效率.综合协同过滤推荐算法和K-means聚类算法，设计了一种基于用户特征和评分的精准推荐策略。该策略一方面针对新用户冷启动问题，引入K-means聚类算法对全体用户特征进行聚类，将新用户所属类中其他用户喜好的物品中的TopN个推荐给新用户;另一方面根据物品数和用户数的大小关系。或者不同推荐算法所得F1值的大小关系，来决定选择将哪种推荐算法产生的结果推荐给老用户。在Movielens和FilmTrust数据集上的实验结果表明，这种基于用户特征和评分的精准推荐策略能够有效地针对新用户和老用户做出准确的最佳推荐。
