改进的基于特征递增型的混合推荐算法

• 作者: 师威 谢领江
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 数据稀疏性 推荐系统 SVD k-means
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 算法分析
• 页码范围: 115-116
• 页数: 2页
• 分类号: TP391.3
• 字数: 1653字
• 语种: 中文

摘要

面对爆炸式增长的信息数据,“信息过载”的问题越来越收到人们的重视,个性化推荐系统依靠其处理信息数据的优势逐渐被人们普遍接受.基于内容的推荐,基于领域的推荐以及混合推荐模型等都是当下应用非常广泛的推荐算法.在该文中,主要对推荐算法中普遍存在的数据稀疏性问题提出了针对性的改进方案,该方案有效地结合了SVD降维技术、k-means聚类算法以及相似度计算,与现存的推荐算法相比,有效的缓解了推荐系统现存的部分问题,改进后的推荐算法在准确率和误差值方面有了明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	师威	西安交通大学软件学院	1	0	0.0	0.0
2	谢领江	西安交通大学软件学院	1	0	0.0	0.0