结合矩阵分解和延伸相似度的最近邻算法

摘要

为有效解决目前绝大多数推荐系统存在数据稀疏、个性化低、计算负荷量大等特点,在最近邻(KNN)模型基础上提出一种结合降维的最近邻算法(KNN-DR),利用矩阵分解的方法降低矩阵的稀疏性,过程中融合更多隐式因子并加快运算速度;在皮尔逊相似度基础上添加延伸相似度,进一步克服数据稀疏性问题.该算法有效解决计算复杂度高和推荐效果大众化的缺点.实验结果表明,KNN-DR算法在推荐准确度上取得了更好的效果.