基于改进URP模型和K近邻的推荐研究

摘要：

针对传统推荐系统中存在的冷开始和准确性等问题,提出了一种基于改进URP模型和K近邻的推荐方法.该方法利用改进的URP模型对用户和项目进行建模,可以有效地解决新用户的问题；并通过推荐项目的K近邻对预测等级进行优化,可以显著提高对新项目预测的准确性.实验结果表明,该方法可以有效地解决冷开始问题,并显著提高推荐结果的准确性.

关键词：URP模型、K近邻、产生过程、Gibbs抽样

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金50808025;国家教育部博士点基金20090162110057

在线出版日期：2013-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：276-278,299