针对经典的协同过滤推荐算法的一系列不足，如用户冷启动、商品评分稀疏性以及推荐精度不高，文章提出基于截断奇异值分解（TSVD）的协同过滤推荐算法。使用TSVD技术对稀疏矩阵进行降维处理，利用Jaccard相似度算法计算用户间相似度，提高推荐精度。实验结果显示，基于截断奇异值分解（TSVD）的协同过滤算法体现良好的推荐质量及预测精度。
科研之友
微信
新浪微博
Facebook
分享链接
