在协同过滤中结合奇异值分解与最近邻方法

• 作者: KONG Fan-sheng 孔繁胜 孙小华 陈洪
• 来源期刊: 计算机应用研究
• 关键词: 奇异值分解 协同过滤 推荐系统
• 年，卷（期）: 2006,（9）
• 所属期刊栏目: 开发应用
• 页码范围: 206-208
• 页数: 3页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2006.09.067

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔繁胜	浙江大学人工智能研究所	56	825	14.0	27.0
2	孙小华	浙江大学人工智能研究所	1	72	1.0	1.0
3	陈洪		1	72	1.0	1.0
4	KONG Fan-sheng	浙江大学人工智能研究所	1	72	1.0	1.0