K-近邻矩阵分解推荐系统算法

摘要：

协同过滤算法随着电子商务的发展而提出,用来为电商用户作出智能推荐.近几年来,电子商务网站迅速发展,对协同过滤算法有更高的要求.传统的矩阵分解与K最近邻对用户评分矩阵整体进行学习从而达到推荐目的.事实上,用户评分矩阵有很高的稀疏性,有用的评分信息是与目标用户相关联的评分,计算用户对项目的评分,单一查找用户近邻与项目近邻并不符合实际应用.为了缓解稀疏性,使推荐结果更加合理,提出一个近邻矩阵分解算法,将用户近邻与项目近邻评分信息融合为一个近邻评分矩阵,挖掘目标用户对目标项目的评分信息.在真实数据集上的实验表明,提出的算法提高了推荐结果的准确性.

关键词：协同过滤算法、推荐系统、稀疏性、K近邻算法、矩阵分解

所属期刊栏目：39

分类号：TP301(计算技术、计算机技术)

资助基金：辽宁省自然科学基金项目201602259

在线出版日期：2018-04-24（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：755-758