基于奇异值分解和项目属性的推荐算法 |
| |
引用本文: | 张建军,陆国生,刘征宇.基于奇异值分解和项目属性的推荐算法[J].合肥工业大学学报(自然科学版),2018(6). |
| |
作者姓名: | 张建军 陆国生 刘征宇 |
| |
作者单位: | 合肥工业大学计算机与信息学院;合肥工业大学机械工程学院 |
| |
摘 要: | 为了解决评分数据的稀疏性和用户最近邻的精确性问题,文章提出了一种基于奇异值分解(singular value decomposition,SVD)和项目属性的协同过滤推荐算法。该算法首先采用SVD方法对用户-项目评分矩阵降维,得到用户矩阵和项目矩阵,根据项目矩阵计算项目间的评分相似度,同时根据项目属性计算项目间的属性相似度,将2种相似度的结果加权计算得到项目间的相似度,最后采用最近邻的方法预测目标用户对待评分项目的评分。在MovieLens数据集上的实验结果表明,该文所提出的方法可以有效应对用户评分稀疏的问题,并能提高推荐的准确性。
|
本文献已被 CNKI 等数据库收录! |
|