居 斌，錢沄濤，葉敏超

（1.浙江大學 計算機學院，浙江 杭州310027；2.浙江省衛(wèi)生信息中心，浙江 杭州310006）

針對在協(xié)同過濾算法中，傳統(tǒng)矩陣分解技術在降維過程中會破壞數(shù)據相鄰結構的問題，提出基于結構投影非負矩陣分解的協(xié)同過濾算法（CF-SPNMF）.該算法包含離線學習和在線搜索2個階段.在離線學習階段，通過對用戶評分矩陣的投影非負矩陣分解，同時保留用戶特征的聚類結構，得到低維的用戶潛在興趣因子.在線搜索階段，將用戶潛在興趣因子進行余弦相似性匹配，發(fā)現(xiàn)目標用戶與訓練樣本用戶之間興趣最相似的鄰域集合.在實際數(shù)據集上的實驗結果表明，提出的CF-SPNMF算法與單純使用矩陣分解和單純在原評分矩陣上進行用戶聚類的推薦算法相比，能夠更有效地預測用戶實際評分.

協(xié)同過濾；投影非負矩陣分解；相鄰結構；聚類