摘要:针对当前模型存在的精度低、冷启动等难题,设计用户和相似性填充相融合的协同过滤推荐模型。采用稀疏评分矩阵建立用户评分项目集合,对评分矩阵进行降维、构建近似评分矩阵,采用该矩阵填充用户项目的评分集合,得到用户间相似度,采用信任度因子对填充误差进行合理调整,得到最终的用户间相似度,采用标准数据集Movielens和BookCrossing对模型性能进行测试。测试结果表明,该模型获得了较高的整体预测精度,预测准确性优于其它模型,改善了协同过滤推荐效果。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关论文
用户满意度调研