南京邮电大学学报(自然科学版)

作者：向俊伟,李玲娟

单位：南京邮电大学 计算机学院、软件学院、网络空间安全学院，江苏 南京 210023南京邮电大学 计算机学院、软件学院、网络空间安全学院，江苏 南京 210023

关键词：协同过滤推荐；均值漂移聚类；主成分分析

基金：国家重点研发计划专项（2020YFB2104002）和江苏省重点研发计划（BE2019740）资助项目

为了解决传统的协同过滤推荐算法中评分矩阵稀疏及近邻搜索耗时长导致的推荐准确性及时间效率有待提升的问题，设计了一种融合PCA降维和均值漂移聚类的协同过滤推荐算法PMCF。该算法用主成分分析法PCA保留最能代表用户兴趣的维度，以缓解评分矩阵稀疏问题；用均值漂移聚类算法在降维后的低维向量空间上对用户聚类，以减小目标用户最近邻的搜索范围。在Movielens数据集和HetRec2011-Movielens-2k数据集上的实验结果表明，PMCF算法能够有效地提升推荐结果的准确性，同时具有较高的时间效率。

来源：2023年第03期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2023年第03期