改进的增量奇异值分解协同过滤算法

• 作者: 吕红兵 顾晔
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 奇异值分解 推荐系统 协同过滤
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 152-154
• 分类号: TP311
• 字数: 4091字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.11.043

摘要

推荐系统作为一种程序算法,是通过度量用户对给定商品的的喜好程度做个性化推荐.广泛地说,推荐系统试图总结出用户的个人喜好,并在用户和商品之间建立一种关系模型.与其他奇异值分解方法相比,改进的增量奇异值分解协同过滤算法基于一系列评分值对用户.商品矩阵进行分解,每次产生一对当前最重要的特征向量.算法有着最小的内存需求,扩展性高,特别适合处理大规模数据集;算法的有效性在Netflix数据集上得到了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕红兵	浙江大学计算机学院	14	186	6.0	13.0
2	顾晔	浙江大学计算机学院	10	93	5.0	9.0