基于用户评分和项目属性的稀疏矩阵预测研究
协同过滤是根据兴趣相投、拥有相似体验邻居用户的喜好来向目标用户预测和推荐感兴趣的信息.然而,由于评分矩阵的稀疏性以及冷启动问题,现有的协同过滤技术在推荐效果上差强人意.该文提出了一种将用户评分和项目属性相结合来进行评分矩阵填充的新方法.首先利用项目属性来构造布尔矩阵,其次,通过比较两个项目之间的欧几里德距离,来预测空白无评价元素.实验结果表明,该文采用的方法有助于预测稀疏矩阵的未评价空白数据,填充准确度合理.
协同过滤、稀疏矩阵、特征值矩阵
15
TP391(计算技术、计算机技术)
中国人民解放军海军大连舰艇学院2018年学院科研发展基金资助项目DJYKYKT2018-19
2019-06-03(万方平台首次上网日期,不代表论文的发表时间)
共3页
273-275