|
|||||
|
|
| 一种融合引力影响的新的矩阵分解推荐方法 | |
| 作者姓名： | 李鹏澎 肖如良 邓新国 林丽玉 蔡声镇 |
| 作者单位： | 福建师范大学软件学院;福州大学数学与计算机学院 |
| 基金项目： | 教育部规划基金项目(11YJA860028)资助;福建省自然科学基金项目(2013J01219)资助 |
| 摘 要： | 矩阵分解运用于推荐系统受到越来越多的关注,改进算法也层出不穷,这些算法都面临预测精度不足,收敛速度过慢和不适用于大数据量的推荐系统等问题.针对上述问题,提出一种基于引力影响的矩阵分解推荐方法,物品影响力对推荐系统提高推荐精度具有重要的意义.基于物品流行度和物品质量的高低对用户评分的影响,通过引入物品对用户的引力,实现基于矩阵分解的引力推荐算法.实验表明:在用户没有任何历史行为的情况下也可以做出比较合理的推荐,迭代20次就能达到较好的收敛效果,且在推荐精度上有了明显的提高,并且该算法可适用于数据量大的推荐系统. |
| 关 键 词： | 推荐精度 引力 矩阵分解 流行度 推荐系统 |
| 本文献已被 CNKI 等数据库收录！ | |