一种改进的协同过滤推荐算法

• 作者: 李瑶
• 来源期刊: 天津理工大学学报
• 关键词: 推荐算法 协同过滤 奇异值分解 张量 均方根误差
• 年，卷（期）: 2021,（1）
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2021.01.001

摘要

基于互联网的推荐系统为广大用户提供了一个信息共享平台,给用户提供便利,但是初期信息量少,矩阵过于稀疏,所以本文利用矩阵分解中的SVD分解,对协同过滤中的matrix进行运算,再次输入到协同过滤的模型中,从而进一步提高推荐系统的准确性.实验结果表明,该方法较单纯的协同过滤推荐算法评估指标RMSE上有明显降低,表明误差会降低.协同过滤推荐算法作为是推荐系统中使用较广泛的算法之一,因此一点点改进都是有必要的.本文后面提及了张量,为之后引入时间序列,类别(利用NLP识别所属类),标签等维度,利用张量分解建立用户、物品、评分,时间,类别,标签等多维度的推荐系统.