基于用户向量扩展的协同推荐方法

摘要：

在电子商务中,协同推荐技术能够帮助用户发现感兴趣的东西.在协同推荐中,通常采用最近邻居的方法来产生推荐.随着商品数量的增多,协同推荐所需要的数据集也越来越稀疏,可用数据比例越来越少.为了解决这个问题,本文在传统的评分数据的基础上,引入用户的基本信息,对用户的基本信息进行离散化处理,将用户的基本信息转化成一个0、1的向量,然后将用户的评分矩阵转变成0、1矩阵并与用户的基本信息进行组合形成一个新的矩阵,对这个扩展的矩阵用奇异矩阵分解(SVD)降维,然后在SVD分解出的矩阵U和S的基础上计算最近邻居,并预测用户对项目的预测评分.实验表明引入用户的基本信息,并采用对基本信息离散化的处理方式,能够提高预测评分的准确性.

关键词：协同推荐、用户信息、向量扩展

所属期刊栏目：29

分类号：TP3;TN9

资助基金：国家自然科学基金资助项目60373095,60673039,60973068;国家社会科学基金08BTQ025;国家863高科技计划资助项目2006AA01Z151;教育部留学回国人员科研启动基金

在线出版日期：2010-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：688-694