论文部分内容阅读
推荐系统通过预测用户对项目的喜好程度来进行信息过滤，应用知识发现技术来生成个性化推荐然而现有大多数协同过滤算法存在数据稀疏性问题，即，协同过滤中的评分数据稀疏性使得最近邻搜寻不够准确而导致推荐质量较差。本文提出一种有效的针对稀疏评分的最近邻选择方法，使用奇异值分解方法将用户评分分解为不同的特征以预测用户对他所没有评过分的项目的喜好，再通过模糊C均值聚类方法组成初始近邻集合，最后再根据初始近邻集合计算目标用户与其他用户间的等价关系相似性，使用等价关系相似性对目标用户的初始近邻集合进行修正，以求得最近邻集合。