个性化推荐系统中遗漏值处理方法地研究.pdfVIP

第 38 卷 　第 8 期 西　安　交　通　大　学　学　报 Vol. 38 　№8 2004 年 8 月 　　 Aug. 2004 JOURNAL OF XI′AN J IAOTONG UNIVERSITY 个性化推荐系统中遗漏值处理方法的研究 王自强 , 冯博琴 (西安交通大学电子与信息工程学院 , 710049 , 西安) 摘要 : 为了高效地解决协同过滤算法中的遗漏值问题 ,而不是简单地用缺省值加以代替 ,提出了一种新的、 在协同过滤中的遗漏值处理方法. 其基本思想是 ,先利用具有最小方差的局部主成分 ,把包含有遗漏值的不 完备数据集划分成多个模糊聚类 ,然后通过求解广义逆矩阵来获得各个子聚类的主成分 ,最终在局部主成分 的基础上通过简单的线性方程模型去估计聚类中的遗漏值. 实验表明 ,这种方法的优点是低内存需求 ,具有 较小的平均绝对偏差值 ,并且显示出了比传统推荐算法更好的推荐质量. 关键词 : 个性化推荐系统 ; 协同过滤 ; 遗漏值 ; 主成分分析 ; 模糊聚类 ( ) 中图分类号: TP311 　文献标识码 : A 　文章编号 : 0253 - 987X 2004 08 - 0808 - 03 Study on Processing Method of Missing Values in Personalized Recommendation Systems Wang Ziqiang , Feng Boqin ( School of Electronics and Information Engineering , Xi′an Jiaotong University , Xi ′an 710049 , China) Abstract : To efficiently resolve the problem of missing data in cooperative filter algorithm (instead of simply using de faults) , a new approach based on principal component analysis and fuzzy clustering was proposed. The essential idea was that an incomplete data set including missing values was partitioned into several fuzzy clusters by using local principle component with least variance , and through solving the general inverse matrix of the data to obtain the principle compo nents of each subclusters , the missing values in clusters could be estimated based on local principal components utilizing a simple linear model. Experimental results show that this method is of low memory requirements and lower mean absolut