一种基于自组织映射与径向基函数预测补值的协同过滤推荐方法

摘要

【目的】基于自组织映射与径向基函数神经网络对协同过滤推荐方法进行改进,提高推荐质量。【应用背景】针对协同过滤推荐方法存在的稀疏性问题,利用神经网络对缺失评价数据进行预测补值,在此基础上提出一种新的提高推荐精度的解决思路。【方法】基于稀疏用户评分矩阵,应用自组织映射神经网络对相似用户进行预聚类,利用同一聚类簇内用户的相似性进一步应用径向基函数对稀疏的用户评分矩阵进行补值处理,得到消除稀疏性后的完全评价矩阵,最后基于完全评价矩阵应用协同过滤技术实施推荐。【结果】通过平均绝对误差与F-Measure两个指标进行实验评价,结果表明该方法与其他主流推荐方法相比,无论在推荐精度还是推荐相关性上都更为有效。【局限】本文提出的方法仅在MovieLens公开数据集上进行实验测试,还需在其他数据集上进一步检验。【结论】在一定程度上解决了协同过滤推荐存在的稀疏性问题,同时对冷启动与可扩展性问题的解决具有较好的指导意义。