《表3 预测网络参数表：基于聚类和奇异值分解的协同过滤推荐算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于聚类和奇异值分解的协同过滤推荐算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在传统的协同过滤算法中，为了找出与当前活动用户相似的用户，需要将此用户和其他所有的用户都比较一遍，才能计算出相似度最高的用户。但随着用户量的增长，全范围逐一比较所需要的计算量会急剧增长，很难实现。因此，本文采用K-means聚类算法减少计算量，即在进行用户相似性计算的时候，先进行聚类，然后在计算每一个活动用户的相似用户时，只需要将当前这个用户与同一聚类内的用户进行比较即可。也就是对用户—属性评分矩阵进行聚类，聚类的结果是生成如表3所示的用户—类别矩阵。其中:m、n、k为类别编号。