科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于概率矩阵分解的个性化推荐方法,包括：1.计算用户属性相似度；2.计算用户对标签的关注相似度和用户对标签的评分相似度,综合两种相似度产生用户的偏好相似度；3.用户属性相似度和用户偏好相似度按比例相加为1产生最终的用户综合相似度矩阵；4.初始化用户隐性特征矩阵和项目隐性特征矩阵为正态分布,将用户综合相似度矩阵融入到概率矩阵分解模型中；5.迭代计算出用户特征矩阵和项目特征矩阵,产生用户对项目的预测评分矩阵,采用Top-K排序方法把评分最高的前K个项目作为最终的推荐结果推荐给用户。本发明的优势在于缓解推荐系统中的用户冷启动问题,提高推荐算法的准确度,增强算法的可扩展性。
- 单位
