基于SVD的K-means聚类协同过滤算法

作者：王伟; 杨宁; 李丽华; 刘国强

来源：微计算机信息, 2012, (08): 139-141.

• SVD
• K-means聚类
• 个性化推荐
• 协同过滤 SVD
• K-means Clustering
• Personalized Recommendation
• Collaborative Filtering

针对基于内存的协同过滤算法在线计算量较大,数据稀疏且可扩展性较低的缺点,本文提出了一种基于SVD矩阵填充技术的K-means聚类协同过滤算法。本算法首先利用SVD降维方法对原始的高维稀疏矩阵进行预测填充,得到一个没有缺失值的评分矩阵,而后利用K-means聚类在填充完整的数据上对用户进行聚类,从而对完成对测试集上未知评分进行预测。该算法利用用户与项目之间的潜在关系克服了稀疏性问题,同时保留了聚类方法可离线建模、可扩展性好等优点。实验结果表明,该算法获得了更好的预测性能,同时具有良好的可扩展性。

• 单位
  青岛海大新星计算机工程中心; 中国海洋大学