基于谱聚类和矩阵分解的改进协同过滤推荐算法

作者：王璇璇; 陈宁江^*; 练林明; 郭芷柔

来源：广西大学学报(自然科学版), 2020, 45(02): 313-320.

DOI：10.13624/j.cnki.issn.1001-7445.2020.0313

• 推荐算法
• 协同过滤
• 谱聚类
• 矩阵分解

针对传统的协同过滤推荐算法存在数据稀疏性、冷启动,影响推荐结果的准确性等问题,提出了一种改进的协同过滤推荐算法。使用基于随机梯度下降优化求解的矩阵分解方法,将原始矩阵分解为较低维的用户特征矩阵和特征产品矩阵;引进产品外部属性信息,运用谱聚类算法对产品聚类,构建属性—特征之间的映射关系,填充特征产品矩阵。所提出的算法不需要对原始评分矩阵进行数据填充,相较于传统的固定值填充方法,不需要系统提供大量的空间存储评分矩阵,并且在评分预测过程中采用降维技术,可以有效地缓解数据稀疏性对推荐结果准确性的影响。