基于降维和聚类的协同过滤推荐算法

• 作者: 李玲娟 陈希
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 主成分分析 二分K-means聚类 协同过滤 个性化推荐
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 应用开发研究
• 页码范围: 138-142
• 页数: 5页
• 分类号: TP301.6
• 字数: 4630字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.02.027

摘要

协同过滤算法在个性化推荐系统中应用广泛,为保证其在用户规模扩大的同时可以保持推荐的高效性和准确性,设计了一种基于PCA降维和二分K-means聚类的协同过滤推荐算法PK-CF.该算法为解决用户-项目评分矩阵极度稀疏造成的相似度计算误差的问题,采用主成分分析法对用户-项目评分矩阵进行降维,去除含信息量少的维度,只保留最能代表用户特征的维度;为解决协同过滤算法在系统规模庞大情况下的相似度计算时耗问题,通过在降维后的低维向量空间上进行二分K-means聚类来减小目标用户最近邻的搜索范围.在MovieLens数据集上对传统协同过滤算法、基于K-means聚类的协同过滤算法及PK-CF算法进行性能测试的结果表明:PK-CF算法不仅能有效地提高推荐结果的准确率与召回率,而且具有较高的时间效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玲娟	南京邮电大学计算机学院	88	927	14.0	26.0
2	陈希	南京邮电大学计算机学院	2	1	1.0	1.0