一种优化的协同过滤推荐算法
协同过滤推荐算法是推荐系统中应用相对成熟的算法,但是伴随着用户与项目数据的急剧增加,数据稀疏性问题应运而生.本文首先介绍了推荐系统与现在主要应用的几种推荐技术的工作原理，主要分析了协同过滤推荐算法的实现步骤，分析协同过滤推荐算法现存的问题，通过聚类算法对高维矩阵进行降维，增加用户-项目矩阵密度；其次在通过再计算相似性时，试着减少数据稀疏问题在计算推荐资源的影响。实验结果也表明了优化算法比传统协同过滤推荐算法在推荐质量上有提高。
推荐系统 协同过滤推荐算法 聚类算法 数据稀疏性
赵宁 王学军
石家庄铁道大学信息科学与技术学院,河北省石家庄市050043
国内会议
石家庄
中文
232-236
2013-06-28（万方平台首次上网日期，不代表论文的发表时间）