典型文献
融合项目属性偏好的矩阵分解推荐模型
文献摘要：
为了解决传统协同过滤算法针对数据稀疏,特别是冷启动等一系列问题时,无法准确地计算出用户与用户、物品与物品之间的相似度,进而无法精准地为用户推荐相应物品的难题,结合基于近邻的协同过滤算法及基于模型协同过滤算法的优势,提出了一种基于矩阵分解的推荐模型.该模型使用基于模型的协同过滤,以矩阵分解为基础,同时融入其他辅助信息,以期优化矩阵分解的效果,从而进行更精准的评分预测.基于传统矩阵分解算法,在已有的推荐模型中,首先基于用户属性与项目属性信息进行相似度计算,构建评分矩阵,进行用户的初始评分预测;然后融合用户对项目属性的喜好构建用户兴趣矩阵,同时以用户属性信息、项目属性信息作为辅助,融入到新的矩阵分解模型中,进行冷启动用户的评分预测.与传统的个性化推荐模型相比,新模型有着更好的推荐准确性.通过仿真实验,也证实了这个推荐模型对于冷启动问题有一定程度的缓解,准确性也有所提升.同时,在模型可扩展性等方面,也取得了较好的效果.
文献关键词：
用户冷启动;矩阵分解;用户属性;项目属性;用户偏好
中图分类号：
作者姓名：
韩立锋;陈莉;史晓龙
作者机构：
西北大学信息科学与技术学院,陕西西安710127;西安电子科技大学计算机科学与技术学院,陕西西安710126
文献出处：
引用格式：
[1]韩立锋;陈莉;史晓龙-.融合项目属性偏好的矩阵分解推荐模型)[J].西安电子科技大学学报（自然科学版）,2022(03):147-159
A类：
B类：
项目属性,矩阵分解,推荐模型,协同过滤算法,数据稀疏,用户推荐,应物,近邻,基于模型,模型使用,辅助信息,评分预测,用户属性,属性信息,相似度计算,评分矩阵,喜好,用户兴趣,分解模型,动用,个性化推荐,冷启动问题,可扩展性,用户冷启动,用户偏好
AB值：
0.273979
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
