基于SVD与模糊聚类的协同过滤推荐算法

• 作者: 严宣辉 林建辉 黄波
• 来源期刊: 计算机系统应用
• 关键词: 个性化推荐 协同过滤 SVD 模糊聚类
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 156-163
• 页数: 8页
• 字数: 6291字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005474

摘要

协同过滤为个性化推荐解决信息过载问题提供了方案,然而也存在着数据的稀疏性、可扩展性等影响推荐质量的关键问题.我们提出了一种基于奇异值分解(SVD)与模糊聚类的协同过滤推荐算法,通过引用物理学上狭义相对论中能量守恒的方法以保留总体特征值的数目,较为准确地确定降维维度,实现对原始数据的降维及其数据填充.另外,再运用模糊聚类的方法将相似用户进行聚类,从而达到减少邻居用户搜索范围的目的.在MovieLens与2013年百度电影推荐系统比赛等不同数据集上的实验结果表明,该算法能够提高推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严宣辉	福建师范大学数学与计算机科学学院	34	234	9.0	14.0
2	黄波	福建师范大学数学与计算机科学学院	4	42	3.0	4.0
3	林建辉	福建师范大学数学与计算机科学学院	4	42	3.0	4.0