摘要: 针对基于k近邻的协同过滤推荐算法中存在的评分特征数据维度过高,K近邻查找速度慢,以及评分冷启动等问题,提出基于数据降维与精确欧式局部敏感哈希的k近邻协同过滤推荐算法。首先,融合评分数据、用户属性数据以及项目类别数据,通过堆叠降噪自编码神经网络对这些数据进行非线性降维。然后,利用精确欧式局部敏感哈希算法对降维后的数据建立索引,通过检索得到目标用户或目标项目的相似近邻。最后,计算目标与相邻之间的相似度,利用相似度对评分记录加权得到目标用户对目标项目的预测评分。在标准数据集上的实验结果表明,本文方法提高了推荐准确率和推荐效率,在冷启动场景下,较于同类其他方法准确率最高。
中图分类号: