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

来源：

计算机工程 | 2012年 / 38卷 / 21期

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

页码：56 / 58+66 +66

页数：4

共 5 条

[1] 两阶段联合聚类协同过滤算法 [J].