基于PCA降维和聚类推荐算法探讨  

作　　者：李秋丽 桑伢员 李龙 郑银丰 

机构地区：[1]新疆理工学院信息工程学院 [2]新疆理工学院

出　　处：《数字技术与应用》2025年第2期196-198,共3页Digital Technology & Application

基　　金：新疆理工学院自然科学基金项目“智慧校园中基于多源数据融合的个性化课程推荐研究——以新疆理工学院为例”(ZQ202302)。

摘　　要：传统协同过滤算法具有评分矩阵稀疏性和冷启动问题,为解决以上问题,本文提出了一种基于PCA降维和聚类的协同过滤推荐算法,使用MOOCCube数据集进行实验,结果表明,该算法能在一定程度上提升推荐准确率。随着互联网发展,各类资源呈爆炸性增长,学生为寻找满足自己需求的课程花费了大量的时间和精力[1],传统查找技术已无法满足学生的个性化需求。传统的协同过滤算法具有较高通用性,能用于多个领域,早期应用于E-mail筛选、新闻推荐等,后期在电子商务、音乐、餐饮、旅游、社交等多个领域皆有应用。

关 键 词：MOOCCube数据集 推荐准确率 互联网发展 传统查找技术 E-mail筛选 电子商务 冷启动问题 评分矩阵稀疏性 

分 类 号：TP391.3[自动化与计算机技术—计算机应用技术]