一种结合有效降维和K-means聚类的协同过滤推荐模型

被引：14

作者：

郁雪

李敏强

机构：

[1] 天津大学管理学院信息管理与信息系统系

来源：

基金：

高等学校博士学科点专项科研基金;

关键词：

协同过滤; 主成分分析; 维数约简; K-means聚类;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

080402 ;

摘要：

为了克服"维灾"所带来的问题,提出一种基于主成分分析的维数约简方法,并在转换后的低维向量空间上进行K-means聚类算法,以减少目标用户的最近邻搜索范围,代替在超高维空间上逐一寻找最近邻的过程。实验结果证明了新算法的有效性,特别在目标用户的历史评价信息较少的情况下,也能有较好的预测精度。

引用

页码：3718 / 3720+3762 +3762

页数：4

共 5 条

[1]

数据挖掘.[M].(加)JiaweiHan;(加)MichelineKamber著;范明;孟小峰等译;.机械工业出版社.2001,

[2]

实用多元统计分析.[M].()RichardA.Johnson;()DeanW.Wichern著;陆璇译;.清华大学出版社.2001,

[3] 个性化服务中基于用户聚类的协同过滤推荐 [J].

王辉 ;

高利军 ;

王听忠 .

[4] 基于项目评分预测的协同过滤推荐算法 [J].

邓爱林 ;

朱扬勇 ;

施伯乐 .

[5] Eigentaste: A constant time collaborative filtering algorithm [J].

Goldberg, K ;

Roeder, T ;

Gupta, D ;

Perkins, C .

INFORMATION RETRIEVAL, 2001, 4 (02) :133-151