基于改进相似度的矩阵分解推荐算法研究

摘要

考虑用户相似度的推荐算法缓解了数据的稀疏性,但是存在相似度计算不准确、未考虑用户项目之间联系的问题,基于此提出了一种改进用户和项目相似度的矩阵分解推荐算法(UIS-SVD)。通过改进相似度计算公式,解决现有相似性计算中存在的问题,同时约束用户、项目特征与其相似的用户和项目靠近,将其融入矩阵分解模型进行推荐。在真实公开数据集中的实验表明,该算法的性能优于传统矩阵分解推荐算法,也表明改进后的相似度在寻找近似用户和项目时更准确。