10.15918/j.tbit1001-0645.2016.01.013
基于Logistic函数的社会化矩阵分解推荐算法
持续指数增长的互联网逐渐带来了信息过载问题,使得推荐系统提供的信息过滤服务尤为重要.协同过滤是推荐系统领域最为成功的技术,但依然存在数据稀疏性等问题.社会关系信息能够有效提高推荐系统的预测准确性.为解决数据稀疏性问题,本文提出了一种利用Logistic函数的社会化矩阵分解推荐算法.在3组真实数据结合上的实验结果表明,本文提出的算法能够提供更准确的推荐结果,特别是在数据稀疏的情况下,显著缓解了数据稀疏性问题.
推荐系统、协同过滤、矩阵分解、社会关系、Logistic函数
36
TP393(计算技术、计算机技术)
国家“九七三”计划项目2012CB315901;国家“八六三”计划项目2011AA01A103;国家自然科学基金资助项目61309020
2016-04-06(万方平台首次上网日期,不代表论文的发表时间)
70-74