缺失数据下基于SVDIFC的协同过滤推荐算法

作者：纪成君; 李蕊; 王仕勤

来源：计算机应用研究, 2021, 38(10): 2994-2999.

DOI：10.19734/j.issn.1001-3695.2021.03.0090

• 奇异值分解
• 直觉模糊聚类
• 协同过滤
• 相似度

为了提高个性化推荐的准确性和质量,针对传统推荐算法的信息过载和数据稀疏性问题,构建了基于SVD与直觉模糊聚类的协同过滤推荐算法(SVDIFC-CF)。算法首先引入SVD将降维后的原始矩阵进行填充;再运用用户商品喜好矩阵将用户进行直觉模糊聚类;最后计算与目标用户相似度最高的前N个用户,找到用户最感兴趣的项目作为推荐结果。采用MovieLens与Jester数据集对算法的有效性进行验证,实验结果表明相对于传统推荐算法,该算法能有效解决数据稀疏和冷启动问题,提高推荐精度与质量。

• 单位
  辽宁工程技术大学