基于SVD填充的混合推荐算法
随着互联网技术的发展,信息过载问题日益严重,推荐系统是缓解该问题的有效手段.针对协同过滤中因数据稀疏和冷启动导致的推荐效率低下问题,提出基于SVD填充的混合推荐算法.首先,采用奇异值分解技术分解项目评分矩阵,通过随机梯度下降法填充稀疏矩阵;然后,在矩阵中加入时间权重,优化用户相似度,同时在项目矩阵中加入Jaccard系数优化项目相似度;接着,综合基于项目和基于用户的协同过滤计算预测评分,从而选择最优项目;最后,在MovieLens和Jester数据集中将所提算法与传统算法进行实验对比,证明了所提算法的有效性.
推荐系统、协同过滤、奇异值分解、填充矩阵、时间权重
46
TP391(计算技术、计算机技术)
国家自然科学基金项目61672039,61772034;安徽省自然科学基金项目1808085MF172
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
468-472