结合置信度和SVD的协同过滤算法
张超
秦永彬
黄瑞章
1.贵州大学计算机科学与技术学院 贵阳5500252.贵州大学计算机科学与技术学院 贵阳5500253.贵州大学计算机科学与技术学院 贵阳550025
摘要：为了解决基于传统模型的协同过滤算法的数据稀疏性与冷启动问题,引入置信度参数,并结合隐式反馈信息,提出了两种基于奇异值分解(SVD)的协同过滤算法,CSVD和NCSVD.CSVD算法在基于偏置的矩阵分解模型上引入了置信度参数,以改进模型偏置项没有针对物品规模根据每个评分调整偏置权重的问题,NCSVD在此基础上引入隐式反馈信息,改善了冷启动问题,在真实数据集上的实验证明表明,其能有效提高SVD系列算法的推荐精度.
关键词：推荐系统协同过滤奇异值分解置信度算法
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(61262006)国家自然科学基金(61462011)国家自然科学基金(61202089)高等学校博士学科点专项科研基金(20125201120006)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 758-761 )
英文信息