作　　者： ; ; ;

机构地区： 华中科技大学管理学院

出　　处： 《价值工程》 2012年第17期182-184,共3页

摘　　要： 用户-项目评分数据集的高维稀疏性使得传统的协同过滤处于"维度困境"。运用降维技术的特征变换方法的协同过滤算法虽然缩减用户-项目评分数据集规模,但在某种程度上导致信息损失。本文提出将特征选择方法和技术运用于协同过滤算法,并且给出了基于有监督特征选择的协同过滤框架及其协同过滤流程。 High-dimensional sparisity of user-item rating data sets made traditional collaborative filtering in dimension dilemma.Although feature transform technology applied in the collaborative filtering algorithm reduces the scale of user-item rating data sets,it leads to information loss.The paper proposes that feature selection methods and techniques are used in collaborative filtering algorithm,and gives the collaborative filtering framework and collaborative filtering process based on supervised feature selection.

关 键 词： 特征选择 协同过滤算法 稀疏性

领　　域： [自动化与计算机技术] [自动化与计算机技术]