在协同过滤中结合奇异值分解与最近邻方法

被引：26

作者：

孙小华 ^{[1
]}

陈洪 ^{[2
]}

孔繁胜 ^{[1
]}

机构：

[1] 浙江大学人工智能研究所

[2] 杭州贝尔通信设备有限公司

来源：

计算机应用研究 | 2006年 / 09期

关键词：

奇异值分解; 协同过滤; 推荐系统;

D O I：

暂无

中图分类号：

TP301 [理论、方法];

学科分类号：

081202 ;

摘要：

协同过滤是一种减小信息过载的常用方法,但是它有三方面的限制,即准确性、数据稀疏性和可扩展性。提出一种新的协同过滤算法来解决数据稀疏性的问题,利用奇异值分解法的结果来进行邻居选择,然后采用最近邻方法来得到未打分项目的预测值。在EachMovie数据库集上的试验结果表明该算法在数据稀疏时算法的准确性超过普通的Pearson算法和奇异值分解算法。

引用

收藏

页码：206 / 208

页数：3

相关论文

共 2 条

[1] 一种基于贝叶斯网客户购物模型的商品推荐方法 [J].

冀俊忠 ;

沙志强 ;

刘椿年 .

计算机应用研究, 2005, (04) :65-68+71

[2] 基于项目评分预测的协同过滤推荐算法 [J].

邓爱林 ;

朱扬勇 ;

施伯乐 .

软件学报, 2003, (09) :1621-1628