基于SVD填充和用户特征属性聚类的混合推荐算法

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.

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

所属期刊栏目：16

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2020-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：11-15