基于SVD++在线图书推荐系统的研究

• 作者: 刘欣雨
• 来源期刊: 电子测试
• 关键词: KNN Jaccard距离 SVD++ 时效性
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 理论与算法
• 页码范围: 50-52,46
• 页数: 4页
• 字数: 4747字
• 语种: 中文

摘要

推荐系统使用户从巨大的网络数据库中快速获得所需信息.针对在线图书推荐系统,本文提出将图书流行度及时间效应对用户的影响与SVD++算法结合来增强推荐的时效性.本算法首先利用KNN和Jaccard距离将原始数据筛选,然后通过用户历史评分数据和其时间间隔预测物品流行度,并将遗忘曲线与时间效应函数相结合来预测用户偏好变化趋势,最后通过SVD++模型实时向用户进行推荐.离线时对数据进行初步筛选可提高系统效率,但SVD++模型仍存在在线推荐耗时长、耗内存大等问题,在下一步研究工作中将对该算法进行改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘欣雨		1	1	1.0	1.0