|
|||||
|
|
| 基于SVD与模糊聚类的协同过滤推荐算法 | |
| 作者姓名： | 林建辉 严宣辉 黄波 |
| 作者单位： | 福建师范大学 数学与计算机科学学院, 福州 350007,福建师范大学 数学与计算机科学学院, 福州 350007,福建师范大学 数学与计算机科学学院, 福州 350007 |
| 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. |
| 关 键 词： | 个性化推荐 协同过滤 SVD 模糊聚类 |
| 收稿时间： | 2016-03-03 |
| 修稿时间： | 2016-04-19 |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 | |
| 点击此处可从《计算机系统应用》下载免费的PDF全文 | |