基于近邻评分填补的协同过滤推荐算法

被引:13
作者
冷亚军 [1 ,2 ]
梁昌勇 [1 ,2 ]
陆青 [3 ]
陆文星 [1 ]
机构
[1] 合肥工业大学管理学院
[2] 过程优化与智能决策教育部重点实验室
[3] 上海电力学院经济与管理学院
基金
高等学校博士学科点专项科研基金;
关键词
推荐系统; 协同过滤; 主成分分析; 近邻评分填补; 稀疏性;
D O I
暂无
中图分类号
TP391.3 [检索机];
学科分类号
摘要
评分数据的稀疏性影响协同过滤算法的推荐质量。为此,提出一种基于近邻评分填补的混合协同过滤推荐算法。对原始评分矩阵进行全局降维,在低维的主成分空间中计算用户相似性,减少算法复杂度。采用奇异值分解法对近邻评分缺失值进行填补,降低近邻评分的稀疏性。在MovieLens数据集上的实验结果表明,该算法具有较好的推荐效果。
引用
收藏
页码:56 / 58+66 +66
页数:4
相关论文
共 5 条
[1]   两阶段联合聚类协同过滤算法 [J].
吴湖 ;
王永吉 ;
王哲 ;
王秀利 ;
杜栓柱 .
软件学报, 2010, 21 (05) :1042-1054
[2]   使用BP神经网络缓解协同过滤推荐算法的稀疏性问题 [J].
张锋 ;
常会友 .
计算机研究与发展, 2006, (04) :667-672
[3]   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
[4]   Collaborative filtering with ordinal scale-based implicit ratings for mobile music recommendations [J].
Lee, Seok Kee ;
Cho, Yoon Ho ;
Kim, Soung Hie .
INFORMATION SCIENCES, 2010, 180 (11) :2142-2155
[5]  
多元统计分析与应用.[M].余锦华;杨维权编著;.中山大学出版社.2005,