在推荐算法中,样本空间构成的数据矩阵一般为稀松矩阵,且维数一般较多,可通过求取特征值或者奇异值的方式获得样本矩阵的特征矩阵,从而降低维数。主成分分析法在矩阵降维中有很好的应用。 本文通过特征值分解、奇异值分解、PCA等操作可以获得降维后的矩阵,通过使用不同的相似度判别法获得最好的相似度,可以使得推荐算法具有很好的效果。