基于近邻评分填补的协同过滤推荐算法

• 作者: 冷亚军 梁昌勇 陆文星 陆青
• 来源期刊: 计算机工程
• 学科: 工学
• 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
• 年，卷（期）: 2012,（21）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 56-58,66
• 页数: 4页
• 分类号: TP311
• 字数: 3266字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.21.015

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁昌勇	合肥工业大学管理学院	235	3624	32.0	48.0
3	陆文星	合肥工业大学管理学院	40	643	13.0	25.0
4	陆青	上海电力学院经济与管理学院	43	537	10.0	22.0
7	冷亚军	合肥工业大学管理学院	9	299	6.0	9.0