融合邻域模型与矩阵分解模型的推荐算法

• 作者: 叶东毅 张航
• 来源期刊: 计算机系统应用
• 关键词: 推荐系统 协同过滤 矩阵分解模型 邻域模型
• 年，卷（期）: 2016,（6）
• 页码范围: 154-159
• 页数: 6页
• 字数: 3759字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.005185

摘要

协同过滤推荐算法是目前构建推荐系统最为成功的算法之一，它利用已知的一组用户对物品喜好数据来对推测用户对其他物品的喜好，其中，能够直接刻画用户与项目潜在特征的矩阵分解模型和通过分析物品或者项目间相似度的邻域模型是研究的热点。针对这两个模型存在的不足，提出了一种将邻域模型与矩阵分解模型有效结合的方法，进而构建了一个改进的协同过滤推荐算法，提高了预测准确性。实验结果验证了改进算法的正确性与有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶东毅	福州大学数学与计算机科学学院	112	1572	18.0	36.0
2	张航	福州大学数学与计算机科学学院	3	20	2.0	3.0