基于PCA降维的协同过滤推荐算法

来源：计算机技术与发展杂志2016年第02期北京时间：

作者：李远博;曹菡

摘要：在信息过载的时代，推荐系统通过分析用户的历史行为，为用户兴趣建模，主动给用户推荐能够满足他们兴趣和需求的信息，已经被广泛应用于电子商务等多个领域。但是在推荐系统中，用户评分数据极端稀疏，矩阵的稀疏性导致推荐算法在相似性计算时存在较大误差，进而导致最近邻居选择的不准确，从而影响推荐质量。针对上面存在的问题，文中通过对评分矩阵采用PCA降维的方法，降低了评分矩阵的稀疏性，保留了最能代表用户兴趣的维数，使得相似性计算更加准确，保证了最近邻居选择的准确性，从而提高了推荐质量。实验结果表明，在公开数据集上与传统的协同过滤推荐算法相比较，文中提出的算法具有较高的准确度和覆盖度。

关键词：主成分分析;降维;协同过滤;推荐算法