融入项目属性相似度的矩阵分解算法
为了解决协同过滤算法中的数据稀疏性问题,本文提出一种融入项目属性相似度的矩阵分解算法(IS-MF).IS-MF算法首先根据矩阵分解对原始评分矩阵降维;然后计算项目属性相似度预测再去填充原始评分矩阵的缺失数据;最后在填充后的矩阵基础上计算预测得分产生推荐.在真实的MovieLens数据集上进行实验,得出本文提出的IS-MF算法使得推荐的效果极大提高了.
矩阵分解、项目属性相似度、协同过滤、推荐算法
15
TP181(自动化基础理论)
2019-07-18(万方平台首次上网日期,不代表论文的发表时间)
共2页
198,200