加入用户和项目属性的奇异值分解推荐算法

作     者：李浩 潘莹 梁京章 LI Hao;PAN Ying;LIANG Jingzhang

作者机构：广西大学电气工程学院广西南宁530004 广西大学信息网络中心广西南宁530004 

基　　金：赛尔网络下一代互联网技术创新项目(NGII20190108) 

出 版 物：《装备制造技术》 (Equipment Manufacturing Technology)

年 卷 期：2021年第12期

页      码：52-57页

摘      要：传统推荐算法仅利用用户的评分行为进行相似度计算来实现目标推荐,未考虑用户和项目的属性信息,推荐精度低,因此提出加入用户和项目属性的奇异值分解推荐算法。该算法在奇异值分解算法中加入用户和项目的属性信息,并在此基础上设计一种新的相似度计算方法,在相似度计算中为属性分配不同的权重,充分考虑每一种属性对推荐效果的影响,从而为目标用户和项目找到最相似用户集和最相似项目集。在数据集MovieLens上的实验结果表明,其在召回率、精确率值上均优于传统推荐算法。

主 题 词：推荐算法 奇异值分解 用户属性 项目属性 相似度计算 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-545X.2021.12.013

馆 藏 号：203109358...