10.3969/j.issn.1000-386x.2021.05.047
基于改进的BiasSVD和聚类用户最近邻的协同过滤混合推荐算法
随着现代互联网技术的飞速发展与不断完善,网络信息爆发式积累,信息推荐是缓解信息过载问题的重要手段.传统的协同过滤算法依托于大规模的用户物品空间,当出现新用户或新物品时,系统计算量将会倍增,时效性无法得到保证.为了有效改善用户物品评分矩阵的可扩展性问题,提出一种基于改进的BiasSVD和聚类用户最近邻的协同过滤混合推荐算法.实验结果表明,该算法预测准确度高,并能够缓解矩阵可扩展性问题,从而改善推荐系统的时效性问题.
BiasSVD、聚类、混合推荐算法
38
TP3(计算技术、计算机技术)
江苏省博士后基金项目;江苏大学高级人才科研启动基金项目
2021-05-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
288-293