基于SVD++在线图书推荐系统的研究

作者：刘欣雨

来源：电子测试, 2019, Z1: 50-46.

DOI：10.16520/j.cnki.1000-8519.2019.z1.019

• KNN
• Jaccard距离
• SVD++
• 时效性

推荐系统使用户从巨大的网络数据库中快速获得所需信息。针对在线图书推荐系统,本文提出将图书流行度及时间效应对用户的影响与SVD++算法结合来增强推荐的时效性。本算法首先利用KNN和Jaccard距离将原始数据筛选,然后通过用户历史评分数据和其时间间隔预测物品流行度,并将遗忘曲线与时间效应函数相结合来预测用户偏好变化趋势,最后通过SVD++模型实时向用户进行推荐。离线时对数据进行初步筛选可提高系统效率,但SVD++模型仍存在在线推荐耗时长、耗内存大等问题,在下一步研究工作中将对该算法进行改进。