论文部分内容阅读
本文为解决传统协同过滤推荐算法中存在冷启动、数据稀疏带来大量的数据冗余和计算误差,导致可靠性不高的问题,提出一种基于矩阵分解和层次聚类的协同过滤推荐算法。先通过矩阵分解对原始数据进行降维分解和数据填充,再利用层次聚类算法对用户进行聚类,解决了由于原始矩阵高维度、高稀疏性带来的推荐准确度较低的问题,极大提高了计算速度和推荐精度。实验结果表明,本推荐算法的准确度比传统算法有明显提高。