现有的电影推荐算法中,协同过滤算法是最常使用、操作最简单方便的算法,但传统的协同过滤算法存在评分矩阵稀疏、推荐精度低等问题。针对这些问题,提出了矩阵填充策略,根据矩阵填充技术的优缺点,选择了几种填充稀疏矩阵的方法,并且利用迭代SVD算法得到了电影推荐的局部最优解,并利用均方根误差(RMSE)对结果进行了评价,利用R软件对电影评分数据集进行处理,实验结果表明,与传统的协同过滤推荐算法相比,迭代SVD算法能有效地提高推荐的准确性,更加准确地给用户提供想看的电影。
科研之友
微信
新浪微博
Facebook
分享链接
