基于PCA降维协同过滤算法的改进  

Improvement on Collaborative Filtering Algorithm Based on PCA Default-Values

作　　者：姚劲勃[1] 余宜诚[2] 于卓尔[3] 李惠民[2] 

机构地区：[1]空军航空大学训练部,长春130022 [2]吉林大学计算机科学与技术学院,长春130012 [3]国家开发银行资金局,北京100037

出　　处：《吉林大学学报（信息科学版）》2011年第5期494-497,共4页Journal of Jilin University（Information Science Edition）

摘　　要：随着电子商务网站用户与商品数目的增加,使用户-项目评分矩阵成为高维稀疏矩阵,使协同过滤算法的质量降低。为此,采用主成分分析法对用户-项目评分矩阵进行降维处理,改善输入数据的稀疏性。实验结果表明,与几种典型的协同过滤算法比较,改进后的算法推荐质量有明显提高。With the rapid lincrease of users and commodities, user-item rating matrix has become the High-di- mensional sparse matrix, causing collaborative filtering algorithm being low quality. Using the principal components analytic method to reduce the dimension of the user-item rating matrix so as to improve its sparsity. The experimental results demonstrated that compared with other collaborative filtering algorithm, recommendation quali- ty of this algorithm is improved obviously.

关 键 词：降维 协同过滤 电子商务 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]