基于SVD填充和用户特征属性聚类的混合推荐算法

• 作者: 秦灿
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 推荐算法 协同过滤 奇异值分解 K均值聚类 遗忘曲线
• 年，卷（期）: 2020,（16）
• 页码范围: 11-15
• 页数: 5页
• 分类号: TP301.6

摘要

面对评分矩阵的数据量不断增加,解决数据稀疏问题并提高推荐准确率是关键,因此,本文提出基于SVD填充和用户特征属性聚类的混合推荐算法。首先利用SVD技术对评分矩阵拆分,并使用随机梯度下降法对空缺值填充;然后对用户特征属性聚类,以此缩小邻居节点的搜索范围;接着利用遗忘曲线思想改进用户的相似度公式,结合Jaccard系数和流行度思想改进项目的相似度公式;再将用户偏好和项目特征的维度加权融合;最后,将本文的SK-HCF算法和其他同类算法进行对比实验,并证明该算法的推荐准确率有明显提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦灿	武汉工程大学计算机科学与工程学院	4	0	0.0	0.0