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．