基于有效特征子集提取的高效推荐算法

【文件属性】：
文件名称：基于有效特征子集提取的高效推荐算法
文件大小：1.16MB
文件格式：PDF
更新时间：2021-05-06 12:34:04
跨领域 特征选择 聚类 协同过滤 推荐系统是根据用户的历史信息对未知信息进行预测.用户项目评分矩阵的稀疏性是目前推荐系统面临的主要瓶颈之一.跨域推荐系统是解决数据稀疏性问题的一种有效方法.本文提出了基于有效特征子集选取的高效推荐算法（FSERA），FSERA是提取辅助域的子集信息，来扩展目标域数据，从而对目标域进行协同过滤推荐.本文采用K-means聚类算法将辅助域的数据进行提取来降低冗余和噪声，获取了辅助域的有效子集，不仅降低了算法复杂度，而且扩展了目标域数据，提高了推荐精度.实验表明，此方法比传统的方法有更高的推荐精度.