一个解决协同过滤推荐系统相关问题的新算法

• 作 者: 陈琦 吕杰 张世超
• 机 构: 天津大学电子信息工程学院
• 出 处: 电子测量技术
• 发表日期: 2016年5期
• 关键词: 协同过滤 扩展性 稀疏性 奇异值分解 聚类 collaborative filtering scalability sparsity SVD clusterin

针对大数据应用中用户协同过滤推荐系统存在的扩展性与稀疏性问题,提出融合奇异值分解与聚类的SBKCF算法。算法采用改进的皮尔逊相似度度量用户间的相似度,通过对降维后的用户进行聚类,并遍历用户的最临近簇生成推荐列表。实验结果表明,提出的算法能够有效完成个性化推荐,在一定程度上解决用户协同过滤推荐系统中存在的扩展性与稀疏性问题。