基于矩阵填充的混合协同过滤推荐算法研究

摘要

针对传统协同过滤算法中由于评分数据稀疏性而导致推荐效率低下问题,提出一种混合协同过滤推荐算法.算法首先使用Slope One算法计算出预测评分,以填充原始评分矩阵中未得到评分的项目,降低了评分矩阵的稀疏度,保证了填充值的多掸性.然后使用SVD技术对填充的评分矩阵奇异值分解,采用随机梯度降低误差的方法,对结果进行分析,寻找最佳效果参数.最后以五折交叉实验的方式在在MovieLens数据集中对本文所提出的算法与传统的协同过滤算法进行了验证,实验显示算法能够有效地缓解数据稀疏性问题,并且具有更佳的推荐效果.