基于缺失值迭代预测填充的协同过滤推荐算法

摘要

推荐系统是目前在电子商务中用的较为广泛的一种技术.伴随着数据量的增大,评分矩阵的稀疏性成为了一大难题.对于评分数据较为稀疏的矩阵,提出了一种基于缺失值迭代预测填充的协同过滤算法.这种算法以迭代的方式对评分矩阵填充,直到缺失值个数恒定在某一数值.而在迭代的过程中,每一次用于填充计算的相似度度量又是依据均值填充后的相似度来动态计算的.说明该算法即可以降低数据稀疏性,又提高了用户相似度计算精度的问题.实验研究表明,利用该算法能够提高评分矩阵的密度,并降低了系统的推荐误差.