科研之友
微信
新浪微博
Facebook
分享链接
摘要
考虑到传统算法在推荐高维数据时存在覆盖率和准确率低、平均绝对误差和均方根误差大的问题，提出了基于数据挖掘的高维数据协同过滤推荐算法研究。根据高维数据属性特征的偏好值，预测评分高维数据属性特征，采用关联规则对分解后的属性特征重构，得到高维数据属性特征的数据挖掘分类树，提取出高维数据属性特征，利用空间向量法，判断高维数据信息间的权重信息值，根据权重信息设置相应的门限值，得到高维数据信息间相似度的分布情况，完成对高维数据间的相似度值的计算，利用数据挖掘技术，对高维数据信息预处理，结合高维数据协同过滤推荐算法设计，实现了高维数据的协同过滤推荐。实验结果表明，基于数据挖掘的推荐算法不仅可以通过提高覆盖率和准确率增强推荐效果，还可以通过降低平均绝对误差和均方根误差提高推荐性能。
- 单位
