基于特征降维和精确欧式局部敏感哈希的协同过滤推荐算法研究

摘要

为了解决传统协同过滤算法在大规模高维稀疏数据中计算复杂度高、耗时长的问题,文章提出了一种基于特征降维和精确欧式局部敏感哈希的协同过滤算法.通过组合主成分分析法与流形学习对数据进行特征降维后,利用构建候选集实现快速检索,最后利用加权融合策略得到预测评分.该算法的均方根误差与协同过滤推荐算法相近,但平均运行时间降低了约90.9％.实验结果表明,该方法在确保推荐结果准确性的前提下,可显著提升运行效率.