论文部分内容阅读
针对数据稀疏性问题,对协同过滤推荐算法作了改进,提出分步预测的算法。算法先对评分矩阵作预处理,重新排列矩阵元素的位置,使评分数据集中到矩阵左上角,并对评分数过少的用户进行部分填充;然后再提取一个数据密度较高的子系统,用基于信任的算法填充其缺失值;最后通过不断向子系统里添加新用户、新项目的方法实现分步预测的目的。通过在Movie Lens数据集上的实验结果表明,新算法可以有效地缓解数据稀疏性问题,提高系统的推荐精度。