基于KNN-SVM的混合协同过滤推荐算法

• 作者: 丁永健 吕成戍 王维国
• 来源期刊: 计算机应用研究
• 关键词: 数据稀疏性 支持向量机 K-最近邻 协同过滤
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1707-1709
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.05.027

摘要

数据稀疏性问题对协同过滤推荐系统的推荐精度有很大影响,为此,融合缺失数据平衡方法,提出了一个基于KNN-SVM的混合协同过滤推荐算法.利用K-最近邻法对训练集中的缺失数据进行填补,然后通过支持向量机交叉验证进行分类,综合两者优点,从而克服数据质量对推荐算法的影响.在标杆数据集上进行了仿真实验,数值结果证明了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕成戍	东北财经大学管理科学与工程学院	24	112	6.0	10.0
2	王维国	东北财经大学数学与数量经济学院	125	1677	23.0	36.0
3	丁永健	大连理工大学管理与经济学部	29	194	8.0	13.0