基于缺失值迭代预测填充的协同过滤推荐

摘要：

推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统的用户数目的增加和商品数目的日益增加,在整个商品空间上用户评分数据极端稀疏,用传统的相似性度量方法来预测就会导致推荐系统的质量急剧下降.为了进一步缓解评分矩阵的稀疏性,本文提出了一种基于缺失值迭代预测填充的协同过滤推荐算法.此算法以迭代的方式对评分矩阵填充,直到缺失值个数恒定在某一数值.而在迭代的过程中,每一次用于填充计算的相似度度量又是依据均值填充后的相似度来动态计算的.即在降低数据稀疏性的同时又改善了在用户评分极端稀疏情况下用户相似性计算准确度的问题.实验结果表明,该算法可以有效的解决用户评分数据的稀疏性问题,显著的提高推荐系统的推荐质量.

关键词： 推荐系统 协同过滤 缺失值迭代预测填充 用户评分数据 稀疏性

作者: 卢棪 刘应安

作者单位: 南京林业大学信息科学技术学院 南京 210037

会议类型: 国内会议

会议名称: 第10届全国计算机支持的协同工作学术会议暨中国计算机学会协同计算专委年度工作会议

会议地点: 太原

会议语种:中文

页码: 233-244

在线出版日期: 2015-08-28（万方平台首次上网日期，不代表论文的发表时间）