论文部分内容阅读
为了解决在推荐系统中由于数据的稀疏性导致协同过滤算法准确率低下的问题，提出一种混合径向基函数插值和SVM分类的协同过滤推荐算法。该方法先利用径向基函数插值方法对训练数据中缺失数据进行预测与填补，然后利用支持向量机方法根据插值后的数据来对未知数据进行预测，从而形成推荐列表为系统提供推荐服务。实验结果表明该方法克服了数据质量对推荐算法的影响，相比其他SVM方法具有更高的准确率和稳定性。