结合矩阵分解和延伸相似度的最近邻算法

摘要：

为有效解决目前绝大多数推荐系统存在数据稀疏、个性化低、计算负荷量大等特点,在最近邻(KNN)模型基础上提出一种结合降维的最近邻算法(KNN-DR),利用矩阵分解的方法降低矩阵的稀疏性,过程中融合更多隐式因子并加快运算速度;在皮尔逊相似度基础上添加延伸相似度,进一步克服数据稀疏性问题.该算法有效解决计算复杂度高和推荐效果大众化的缺点.实验结果表明,KNN-DR算法在推荐准确度上取得了更好的效果.

关键词：推荐系统、降维、最近邻算法、矩阵分解、隐式因子、延伸相似度

所属期刊栏目：39

分类号：TP312(计算技术、计算机技术)

在线出版日期：2018-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3156-3161