CAJ | 학술논문

针对用户评分数据稀疏性问题，在对项目进行聚类基础上，文章提出了基于属性聚类的项目评分预测推荐算法。算法从项目属性特征相似性分析出发，利用K—Means聚类算法对项目进行聚类。对于未评分项目找到其所属的类簇；利用用户对类簇中其它项目的评分预测该用户对未评分项目的评分，达到降低数据稀疏性目的；最后结合协同过滤思想为用户提供推荐服务。实验结果表明，与基于项目评分预测的推荐算法相比，文章的算法推荐精度显著提高。
침대용호평분수거희소성문제，재대항목진행취류기출상，문장제출료기우속성취류적항목평분예측추천산법。산법종항목속성특정상사성분석출발，이용K—Means취류산법대항목진행취류。대우미평분항목조도기소속적류족；이용용호대류족중기타항목적평분예측해용호대미평분항목적평분，체도강저수거희소성목적；최후결합협동과려사상위용호제공추천복무。실험결과표명，여기우항목평분예측적추천산법상비，문장적산법추천정도현저제고。