期刊文献+

一种基于稀疏分段的协同过滤推荐算法 预览

A collaborative filtering recommendation method based on sparseness segmentation
在线阅读 下载PDF
收藏 分享 导出
摘要 针对数据强稀疏性严重制约协同过滤算法推荐准确性的问题,提出基于稀疏分段的改进方法。首先利用基于迭代预测的支持向量回归在解决小样本高维数据中的优势,对稀疏的U-I矩阵中相对弱稀疏的密集数据部分预测缺失评分,然后使用基于项目的插补协同过滤方法预测剩余数据的缺失评分。在多个公开数据集中的实验表明,该方法适用于强稀疏数据集的推荐,与基于项目协同过滤比较可取得较好的预测结果。 Since the strong sparsity of data seriously affects the recommendation accuracy of collaborative filtering algorithm,an improved method based on sparseness segmentation is put forward. The support vector regression based on iterative prediction is used to estimate the missing scores for the relatively-weak sparse density data of sparse U-I matrix,which has the advantage in predicting the high-dimensional small-sample data. The item -based imputative collaborative filtering method is employed to predict the missing scores of residue data. The experimental results of several public datasets show that the method is suitable for the recommendation of strong . sparse dataset,and can obtain better prediction results than the item - based collaborative filtering method.
作者 贺怀清 计瑜 惠康华 刘浩翰 HE Huaiqing;JI Yu;HUI Kanghua;LIU Haohan(College of Computer Science and Technology,Civil Aviation University of China,Tianjin 300300,China)
出处 《现代电子技术》 北大核心 2019年第9期90-94,共5页 Modern Electronic Technique
基金 天津市应用基础与前沿技术研究计划重点项目(14JCZDJC32500):面向天津空铁联运模式的服务推荐关键技术研究.
关键词 稀疏分段 支持向量回归 基于项目的推荐 协同过滤 数据稀疏性 小样本 sparseness segmentation support vector regression item-based recommendation collaborative filtering data sparsity small sample
作者简介 贺怀清(1969-),女,吉林白山人,教授,硕士生导师,主要研究方向为服务推荐。
  • 相关文献

参考文献1

二级参考文献27

共引文献515

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈