基于TSVD的协同过滤推荐算法研究

摘要：

针对经典的协同过滤推荐算法的一系列不足,如用户冷启动、商品评分稀疏性以及推荐精度不高,文章提出基于截断奇异值分解(TSVD)的协同过滤推荐算法.使用TSVD技术对稀疏矩阵进行降维处理,利用Jaccard相似度算法计算用户间相似度,提高推荐精度.实验结果显示,基于截断奇异值分解(TSVD)的协同过滤算法体现良好的推荐质量及预测精度.

关键词：推荐算法、协同过滤、稀疏矩阵、截断奇异值分解

所属期刊栏目：18

分类号：TP391(计算技术、计算机技术)

资助基金：嘉兴学院校级SRT计划项目8517203331

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：75-76,79