基于矩阵分解与用户近邻模型的协同过滤推荐算法
针对个性化推荐系统中协同过滤算法面对的矩阵稀疏和新使用者问题,提出基于矩阵分解与用户近邻模型的推荐算法.通过对用户档案信息构建近邻模型以保证新使用者预测的准确性;同时考虑到数据量大和矩阵稀疏会引起时间和空间复杂度过高等问题,引入奇异值矩阵分解的方式,从而减小矩阵稀疏和数据量大的影响,提高推荐系统的准确性.实验结果表明,该算法能有效解决大数据量的矩阵稀疏问题以及新使用者问题.
协同过滤、矩阵分解、用户近邻模型、电子商务、推荐算法
32
TP181(自动化基础理论)
国家自然科学基金资助项目61103069,71171148,70771077;上海市信息化发展专项资金项目200901015
2012-04-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
395-398