科研之友
微信
新浪微博
Facebook
分享链接
摘要
个性化推荐可根据用户的需求，提供全方位的数据分析，为用户提供个性化定制，让用户更简单、更快捷的找到自己心仪的产品。协同过滤算法作为一类经典的推荐算法常用于个性化推荐，但它并没有考虑数据的稀疏性和分散性。为克服这一不足，将稀疏非负矩阵分解(SNMF)与K-means算法相结合，提出SNMF-K模型。该模型在低维子空间中对用户评分进行聚类，接着在用户所属的类中利用偏好相似度进行个性化推荐。数值实验表明，SNMF-K算法在均方根误差(RMSE)评价指标上优于传统的稀疏非负矩阵分解，并且误差至少减少了3.2%,提高了推荐性能。
- 单位
