传统的兴趣推荐模型提升用户推荐精度的同时增加了计算耗时，没有考虑商品本身的平均偏好特性，导致推荐系统的表现不够理想。为解决上述问题，文中提出采用预分解方法快速计算得出用户的兴趣向量，可以加快模型运算速度，同时提升预测结果精度；并且论文进一步提出在模型中引入物品的平均偏好来改进top-N推荐算法，可以提升推荐结果的质量和效果。运用Netflix以及MovieLens数据集验证，实验结果表明，改进后的模型在推荐结果的质量方面优于原有模型，可以有效提高推荐效率，改善推荐准确度。
科研之友
微信
新浪微博
Facebook
分享链接
