基于用戶信息向量聚類和改進SAMME的推薦算法

【摘要】：針對目前主流的推薦算法中獲取的用戶信息不完整以及推薦時間過長的問題,本文提出一種基于用戶信息向量聚類和改進SAMME的推薦算法,該算法通過分析用戶基本信息(地域、時間、興趣、標簽等),找出用戶信息關鍵詞;對不同用戶信息關鍵詞基于TF-IDF方法進行加權構建用戶信息向量;接著使用K-means算法進行用戶聚類分析,將用戶聚類結果作為改進SAMME訓練樣本集;最后通過改進SAMME算法將預測結果對用戶進行好友推薦,并在訓練過程中保存模型,大大減少推薦時間。最終將本文算法在真實的微博用戶數據集上進行實驗,并與其他主流算法進行對比,結果顯示本文算法在準確率、召回率、F值上都取得了不錯的效果。