推荐系统中传统的协同过滤算法和基于矩阵分解的推荐算法都单独地进行相关推荐，但两种方法独立运行，都存在一定的不足，导致推荐质量不佳。为了进一步提升推荐算法性能来提高推荐准确度，文章提出一种融合相似用户、物品的矩阵分解推荐算法，在矩阵分解模型的基础上，结合协同过滤思想来挖掘目标用户的个性化候选物品推荐。文章采用MoviesLens数据集进行模型训练并评估其性能，与原有的方法相比，推荐准确度获得了进一步提升。
科研之友
微信
新浪微博
Facebook
分享链接
