基于分类模型和SVD的协同过滤算法

作者：陈佳兴; 何华卿; 潘芸菲; 吴彦文

来源：电子测量技术, 2020, 43(14): 69-73.

DOI：10.19651/j.cnki.emt.2004286

• 分类模型
• SVD
• 协同过滤
• 模型融合
• Top-N
• 冷启动

协同过滤算法是近年来运用最为普遍的推荐算法,但具有数据稀疏、冷启动的缺点。为解决上述问题,特提出综合奇异值分解(SVD)和分类模型(CM)的协同过滤推荐(CFR)算法(SCC)。首先分别建立基于机器学习的分类模型和基于SVD的协同过滤模型.前者用于获取推荐标签,而后者用于获取拟推荐物品。其次用推荐标签筛选拟推荐物品,并用Top-N的方法得到推荐物品表,实现分类模型与SVD协同过滤模型的融合。邀请多名志愿者体验不同推荐算法系统进行实验对比。实验结果表明,融合算法的准确性最高达61.92%,而满意度相对SVD算法(相对提高20.007%)与分类模型算法(相对提高5.42%)有不同程度的改善,但在数据较少情况下满意度与准确性提升并不明显,所提算法不仅一定程度上解决了冷启动问题,同时具有降低了推荐过程的复杂度。

• 单位
  华中师范大学