（南京理工大学经济管理学院 南京 210094）

针对个性化推荐服务的需要以及用户聚类处理时用户-文档访问数据的高维稀疏性问题，采用“比对降维”的思想和K层次聚类算法，分析基于用户资源评价数据的用户聚类处理流程。在此基础上，采用Java开源技术设计并实现一个用户聚类的试验系统。

(School of Economics & Management, Nanjing University of Scienceand Technology,Nanjing 210094, China)

According to the needs of personalized recommendation service and the problem of high-dimension and sparse user-document visited data, an inter-user comparation based dimension reduction method and K-hirachical clustering arithmetic is utilized to analyze the user clustering procedure based on users’ resources evaluation data colloction. On the basis of those, an experimental system of user clustering is also designed and developed by applying Java open source technology.

TP393

* 本文系总装备部科研项目“基于知识本体和数据挖掘的智能推荐关键技术与系统构建研究”（项目编号:2006QB1066）和南京理工大学2005~2006年度青年教师科研基金项目“面向知识服务的智能推荐检索机制与系统构建研究”(项目编号：200507011）的研究成果之一。

1Terveen L, Hill W, Amento B, et al. A System for Sharing Recommendations. Communications of the ACM, 1997, 40(3): 59-62
2Rucker J, Polanco M J. Siteseer: Personalized Navigation for the Web. Communications of the ACM, 1997, (40) 3: 73-75
3Konsta J A, Miller B N, Maltz D, et al. GroupLens: Applying Collaborative Filtering to Usenet News. Communications of the ACM, 1997, 40(3): 77-87
4秦国，杜小勇．基于用户层次信息的协同推荐算法．计算机科学，2004，31（10）：138-140
5潘红艳，林鸿飞，赵晶．基于矩阵划分和兴趣方差的协同过滤算法．情报学报，2006，25（1）：49-54
6姜丽红，徐博艺．一种协同过滤方法及其在信息推荐系统中的实现．情报学报，2005，24（6）：669-673
7孙汝杰，张宇光．基于时间序列的个性化信息协同过滤技术研究．情报杂志，2006（8）：52-53
8Jiawei Han，Micheline．数据挖掘概念与技术（第1版）．北京：机械工业出版社，2001