典型文献
基于多源数据聚类与奇异值分解的混合推荐算法
文献摘要：
针对传统单一推荐算法难以兼顾用户冷启动、数据高维稀疏、算法准确性与可扩展性等方面的问题,提出一种基于多源数据聚类和奇异值分解的混合推荐算法.该算法首先利用TF-IDF公式对用户—项目评分矩阵和项目特征矩阵进行处理,生成用户—项目偏好矩阵;然后结合用户特征矩阵、评分矩阵作为算法输入,利用改进K-means聚类算法划分用户类簇;接着采用融合时间衰减函数的BiasSVD算法对每个用户类簇对应的评分矩阵进行分解降维,并利用随机梯度下降法重新预测评分填充评分矩阵;最后从高到低对用户的预测评分向量进行排序,产生推荐列表.在MovieLens数据集上的实验结果证明,该算法的精确率和召回率相较于传统基于SVD的协同过滤推荐算法分别提升5.4％和6.8％,表现出更好的准确性和推荐性能,改善了用户冷启动问题.所提方法对目前混合推荐算法具有一定的参考与借鉴价值.
文献关键词：
混合推荐;聚类;奇异值分解;多源数据;协同过滤;推荐算法
中图分类号：
作者姓名：
刘伟友;吴陈
作者机构：
江苏科技大学计算机学院,江苏镇江212100
文献出处：
引用格式：
[1]刘伟友;吴陈-.基于多源数据聚类与奇异值分解的混合推荐算法)[J].软件导刊,2022(11):75-81
A类：
BiasSVD
B类：
多源数据,数据聚类,奇异值分解,混合推荐算法,用户冷启动,高维,可扩展性,TF,IDF,评分矩阵,矩阵和,项目特征,特征矩阵,项目偏好,偏好矩阵,用户特征,means,聚类算法,分用,户类,时间衰减函数,随机梯度下降法,预测评分,列表,MovieLens,精确率,召回率,协同过滤推荐算法,推荐性,冷启动问题,借鉴价值
AB值：
0.288821
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
