基于分类模型和SVD的协同过滤算法

• 作者: 何华卿 吴彦文 潘芸菲 陈佳兴
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 分类模型 SVD 协同过滤 模型融合 Top-N 冷启动
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 理论与算法
• 页码范围: 69-73
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004286

摘要

协同过滤算法是近年来运用最为普遍的推荐算法,但具有数据稀疏、冷启动的缺点.为解决上述问题,特提出综合奇异值分解(SVD)和分类模型(CM)的协同过滤推荐(CFR)算法(SCC).首先分别建立基于机器学习的分类模型和基于SVD的协同过滤模型.前者用于获取推荐标签,而后者用于获取拟推荐物品.其次用推荐标签筛选拟推荐物品,并用Top-N的方法得到推荐物品表,实现分类模型与SVD协同过滤模型的融合.邀请多名志愿者体验不同推荐算法系统进行实验对比.实验结果表明,融合算法的准确性最高达61.92％,而满意度相对SVD算法(相对提高20.007％)与分类模型算法(相对提高5.42％)有不同程度的改善,但在数据较少情况下满意度与准确性提升并不明显,所提算法不仅一定程度上解决了冷启动问题,同时具有降低了推荐过程的复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴彦文		67	325	11.0	14.0
2	陈佳兴		1	0	0.0	0.0
3	何华卿		1	0	0.0	0.0
4	潘芸菲		1	0	0.0	0.0