基于FunkSVD矩阵分解和相似度矩阵的推荐算法 |
| |
引用本文: | 王运,倪静,马刚. 基于FunkSVD矩阵分解和相似度矩阵的推荐算法[J]. 计算机应用与软件, 2019, 36(12) |
| |
作者姓名: | 王运 倪静 马刚 |
| |
作者单位: | 上海理工大学管理学院 上海200093 |
| |
摘 要: | 传统基于用户的协同过滤推荐算法在计算用户相似性时经常面临数据稀疏的问题,同时忽略了不同评分项目之间的差异。针对这些问题,提出一种基于FunkSVD矩阵分解和相似度矩阵的推荐算法。利用用户评分数据与物品标签数据计算出用户的相似度矩阵;利用FunkSVD对得到的相似度矩阵进行矩阵分解,生成新的用户相似度矩阵;根据用户之间评分数据对两个相似度矩阵中的用户相似度加权组合,并生成用户的综合相似度矩阵来对用户进行评分预测。经过Movielens数据集的实验表明,该算法提高了预测的准确性,优于传统的推荐算法。
|
关 键 词: | FunkSVD 矩阵分解 标签 相似度矩阵 |
RECOMMENDATION ALGORITHM BASED ON FUNKSVD MATRIX DECOMPOSITION AND SIMILARITY MATRIX |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|