基于矩阵分解模型的协同推荐过滤算法研究

摘要：

文章介绍了基于用户评分偏差和项目评分偏差的偏差矩阵分解模型ALS-WRB的推荐算法.在此基础上,充分考虑项目属性特征的信息重要性,将它作为项目隐含特征因子,加入到ALS-WRBC矩阵分解模型进行训练,同时解决了新用户或新项目冷启动问题,一定程度上缓解了矩阵稀疏性问题.将相关的项目属性特征与潜在的隐含特征因子一起进行模型训练,并做了实验设计,对结果进行分析对比,在不提高算法复杂度的情况下,模型的精确度得到一定提高,证明算法改进的有效性.

关键词：偏差矩阵分解模型、推荐算法、项目属性特征、隐含特征因子

分类号：TP18(自动化基础理论)

资助基金：2017年广西壮族自治区中青年教师基础能力提升项目"基于大数据技术的电商平台实时推荐系统研究"2017KY1023

在线出版日期：2018-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：68-71,76