基于矩阵填充与PSO的多标准协同过滤算法

在多标准协同过滤中，存在稀疏性处理方法单一以及传统粒子群优化（PSO）算法早熟、易陷入局部最优等问题。为此，基于矩阵瑱充及改进PSO算法，提出一种多标准协同过滤模型。采用矩阵填充方法对稀疏数据的缺失部分进行估算，以避免降维方法对原始数据信息造成损失，同时结合髙斯算子快速收敛的优势以及遗传算子对生物进化模拟的有效性对PSO算法进行改进，聚合多标准评分生成TopN推荐列表。实验结果表明，与基于标准PSO算法以及基于遗传算子改进PSO算法的模型相比，该模型的评分预测准确度较优，能为个性化推荐提供有效的支持。