随着现代互联网技术的飞速发展与不断完善,网络信息爆发式积累,信息推荐是缓解信息过载问题的重要手段。传统的协同过滤算法依托于大规模的用户物品空间,当出现新用户或新物品时,系统计算量将会倍增,时效性无法得到保证。为了有效改善用户物品评分矩阵的可扩展性问题,提出一种基于改进的BiasSVD和聚类用户最近邻的协同过滤混合推荐算法。实验结果表明,该算法预测准确度高,并能够缓解矩阵可扩展性问题,从而改善推荐系统的时效性问题。
科研之友
微信
新浪微博
Facebook
分享链接
