基于PCA降维的协同过滤推荐算法

发布时间：2017-10-25 12:38

  本文关键词：基于PCA降维的协同过滤推荐算法

  更多相关文章： 主成分分析 降维 协同过滤 推荐算法

【摘要】：在信息过载的时代,推荐系统通过分析用户的历史行为,为用户兴趣建模,主动给用户推荐能够满足他们兴趣和需求的信息,已经被广泛应用于电子商务等多个领域。但是在推荐系统中,用户评分数据极端稀疏,矩阵的稀疏性导致推荐算法在相似性计算时存在较大误差,进而导致最近邻居选择的不准确,从而影响推荐质量。针对上面存在的问题,文中通过对评分矩阵采用PCA降维的方法,降低了评分矩阵的稀疏性,保留了最能代表用户兴趣的维数,使得相似性计算更加准确,保证了最近邻居选择的准确性,从而提高了推荐质量。实验结果表明,在公开数据集上与传统的协同过滤推荐算法相比较,文中提出的算法具有较高的准确度和覆盖度。
【作者单位】： 陕西师范大学计算机科学学院;
【关键词】： 主成分分析 降维 协同过滤 推荐算法
【基金】：国家自然科学基金资助项目(41271387) 陕西师范大学院士创新基金资助项目(999521) 西安市科技计划基金资助项目(SF1228-3)
【分类号】：TP391.3
【正文快照】： 1概述其次根据相似度建立起近邻关系[3],然后在近邻关系随着人类进入到信息化时代,信息呈现出快速、爆中,选择与目标距离最近的用户对项目的评分数据来炸式增长,信息出现过载。推荐系统[1]通过对用户的预测目标用户对特定项目的评分;最后针对目标用户历史记录的分析,为用户建

【相似文献】

中国期刊全文数据库 前10条

1 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

2 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

3 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

4 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

5 吴泓辰;王新军;成勇;彭朝晖;;基于协同过滤与划分聚类的改进推荐算法[J];计算机研究与发展;2011年S3期

6 赵玉艳;谷胜伟;;一种面向云计算环境的服务推荐算法[J];巢湖学院学报;2012年03期

7 李克潮;梁正友;;基于多特征的个性化图书推荐算法[J];计算机工程;2012年11期

8 吕善国;吴效葵;曹义亲;;基于网络结构的推荐算法[J];实验室研究与探索;2012年07期

9 苏莹;刘建国;郭强;田大钢;;考虑负面评价的个性化推荐算法研究[J];运筹与管理;2012年06期

10 郑志娴;;微博个性化内容推荐算法研究[J];电脑开发与应用;2012年12期

中国重要会议论文全文数据库 前10条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q，

本文编号：1093797