论文部分内容阅读
针对校园网服务器中存在的实名Web Log数据,提出了一种基于用户属性和网站类型聚类的协同过滤推荐算法.算法首先通过构建用户一网一站类型评分矩阵,采用K—Means算法对用户进行聚类分析;然后基于聚类结果,并结合用户一属性矩阵,计算不同用户的相似性,产生近邻用户;最终对网站进行预测评分,并为目标用户推荐个性化的网站.结果表明,该算法能够有效地降低数据集的稀疏性,提高用户相似度计算的准确性,提高了推荐算法的准确度.