基于最小二乘法的混合推荐模型研究

针对单一推荐模型在电影推荐过程中无法同时利用推荐系统中的隐式信息和显式信息所导致的推荐不准确以及冷启动等问题，提出了一种基于最小二乘法的混合推荐模型。该模型首先通过基于内容的推荐算法和协同过滤推荐算法分别进行单一模型的推荐，然后对单一推荐模型所产生的推荐结果动态地调整权重进行数据拟合，再将所产生的拟合数据进行最小二乘运算，减小整体预测误差，从而得到最终的推荐结果。最后使用MovieLens 100k和MovieLens 1M这两种公开的电影数据集对该模型进行验证并与其他几种模型进行比较。实验结果表明，所提出的基于最小二乘法的混合推荐模型在精确率、召回率和F值等评价指标上都优于目前几种传统的推荐模型，所造成的预测误差相较于目前几种传统推荐模型也更小。