SBHCF:基于奇异值分解的混合协同过滤推荐算法

• 作者: 唐启桂 苏凡军
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 协同过滤 奇异值矩阵分解 杰卡德系数 皮尔逊系数
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 协议·算法及仿真
• 页码范围: 44-47
• 页数: 4页
• 分类号: TP306.1
• 字数: 3785字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2016.01.012

摘要

针对传统协同过滤中的最近邻查找不够合理导致推荐的准确率较低的困境. 提出一个基于矩阵分解的混合相似度算法. 该方法融合了基于模型的奇异值矩阵分解算法和基于近邻的协同过滤算法皮尔逊相关系数, 并引入阈值和杰卡德系数对相似度进行修正. 在公共有效数据集上的实验表明, 所提出算法的平均绝对误差比传统的推荐算法至少降低了7.7%, 有效提高了推荐准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏凡军	上海理工大学光电信息与计算机工程学院	12	21	4.0	4.0
2	唐启桂	上海理工大学光电信息与计算机工程学院	1	7	1.0	1.0