基于降维和聚类的协同过滤推荐算法

来源：计算机技术与发展杂志2020年第02期北京时间：

作者：陈希;李玲娟

摘要：协同过滤算法在个性化推荐系统中应用广泛,为保证其在用户规模扩大的同时可以保持推荐的高效性和准确性, 设计了一种基于 PCA 降维和二分 K-means 聚类的协同过滤推荐算法 PK-CF。 该算法为解决用户-项目评分矩阵极度稀 疏造成的相似度计算误差的问题,采用主成分分析法对用户-项目评分矩阵进行降维,去除含信息量少的维度,只保留最 能代表用户特征的维度;为解决协同过滤算法在系统规模庞大情况下的相似度计算时耗问题,通过在降维后的低维向量 空间上进行二分 K-means聚类来减小目标用户最近邻的搜索范围。 在 MovieLens 数据集上对传统协同过滤算法、基于 K-means聚类的协同过滤算法及 PK-CF算法进行性能测试的结果表明:PK-CF 算法不仅能有效地提高推荐结果的准确 率与召回率,而且具有较高的时间效率。

关键词：主成分分析;二分 K-means聚类;协同过滤;个性化推荐