基于評分相似性的群稀疏矩陣分解推薦算法
大小：0.73 MB 人氣：0 2017-12-05 需要積分：3
如何提高系統的推薦精度，是當前推薦系統面臨的重要問題。對矩陣分解模型進行了研究，針對評分數據的群結構性問題，提出了一種基于評分相似性的群稀疏矩陣分解模型（ SSMF-GS）。首先，根據用戶的評分行為對評分數據矩陣進行分群，獲得相似用戶群評分矩陣；然后，通過SSMF-GS算法對相似用戶群評分矩陣進行群稀疏矩陣分解；最后，采用交替優化算法對模型進行求解。所提模型可以篩選出不同用戶群的偏好潛在項目特征，提升了潛在特征的可解釋性。在GroupLens網站上提供的MovieLens數據集上進行仿真實驗，實驗結果表明，所提算法可以顯著提高預測精度，平均絕對誤差（MAE）及均方根誤差（RMSE）指標均表現出良好的性能。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
