基于矩阵填充的SVD协同过滤算法研究*

王祥德，雷玉霞，闫昱姝

(曲阜师范大学 信息科学与工程学院，山东 日照 276800)

基于矩阵填充的SVD协同过滤算法研究*

王祥德，雷玉霞，闫昱姝

(曲阜师范大学 信息科学与工程学院，山东 日照 276800)

对协同过滤推荐算法中数据稀疏问题，提出矩阵填充策略，分析矩阵填充技术的优劣，选择非精确拉格朗日乘子法对稀疏矩阵填充，对填充的矩阵使用SVD协同过滤算法进行推荐，对推荐结果分别用平均绝对误差、均方根误差和标准平均绝对误差方法进行评估。实验结果表明，运用矩阵填充的推荐算法提高了推荐的质量。

协同过滤；SVD协同过滤；矩阵填充

0 引言

随着互联网规模的扩大，数据呈现爆炸式增长，传统的信息搜索方法搜索到的符合要求的结果变得越来越多，这就增加了用户获取有价值信息的难度。弥补信息检索存在的这些缺陷，个性化推荐系统应运而生。

个性化推荐系统从2000年开始得到广泛应用，明尼苏达大学的Sarwar教授的文章[1]详细地介绍了基于项目的协同过滤算法，是学者们研究协同过滤推荐算法常引用的文章。2004年以后，推荐算法开始融合基于内容和基于模型的推荐，之后Sarwar等人[2]将SVD引入到协同过滤推荐算法中。在推荐数据中，有些信息是涉及用户隐私的数据，这一部分数据有可能影响推荐的准确性。Polat等人[3]给出了带有隐私的SVD协同过滤算法，优化了这一问题。针对现有协同过滤算法具有的可扩展性较低、数据稀疏和计算量较大的缺点，刘洋等人[4]提出一种基于SVD矩阵分解技术和RkNN算法的协同过滤推荐算法。……