针对数据稀疏且存在不均衡标签的问题，提出一种基于半监督学习模型的协同过滤推荐算法.半监督学习可以同时利用有标签和无标签数据，根据有标签数据的监督信息来给无标签数据打上伪标签，通过对无标签数据的预测，有效缓解数据的稀疏性，从而提升模型推荐效果.通过对比实验表明，在不同的公开数据集中，本文算法的均方根误差与平均绝对误差均比传统推荐方法有所降低，验证了其有效性.
科研之友
微信
新浪微博
Facebook
分享链接
