应用数据填充缓解稀疏问题实现个性化推荐
【出 处】:《
计算机工程与科学
》
CSCD
2013年第35卷第5期 15-19页,共5页
【作 者】:
夏建勋
[1,2,4] ;
吴非
[2,3,4] ;
谢长生
[2,3,4]
【摘 要】
协同过滤是到目前为止最成功和应用最广泛的推荐技术,然而,由于用户一项目矩阵极端稀疏导致推荐不精确。针对该问题,提出了三种数据填充方法和两种推荐策略。对评分矩阵中未评分数据的三种数据填充方法是:(1)采用行和列数据的加权平均值填充;(2)采用行和列数据的众数的平均值填充;(3)采用行和列数据的中位数的平均值填充。一种推荐策略是直接用填充数据作为预测评分进行推荐;另一种推荐策略是将填充数据后的评分矩阵作为伪评分矩阵,应用Pearson相关相似性进行协同过滤推荐。采用MovieLens数据集进行的实验结果表明:上述几种推荐策略均可有效地缓解评分数据稀疏性问题,且提高了推荐精确度。
相关热词搜索:
上一篇:面向海量数据存储的Erasure-Code分布式文件系统I/O优化方法
下一篇:一种低功耗低偏斜的无缓冲谐振时钟分布网络设计