文献类型：期刊文章

作　　者：刘晴晴[1,2] 罗永龙[1,2] 汪逸飞[1,2] 郑孝遥[1,2] 陈文[1,2]

LIU Qing-qing;LUO Yong-long;WANG Yi-fei;ZHENG Xiao-yao;CHEN Wen(School of Computer and Information,Anhui Normal University,Wuhu,Anhui 241002,China;Anhui Provincial Key Laboratory of Network and Information Security,Anhui Normal University,Wuhu,Anhui 241002,China)

机构地区：[1]安徽师范大学计算机与信息学院,安徽芜湖241002 [2]安徽师范大学网络与信息安全安徽省重点实验室,安徽芜湖241002

出　　处：《计算机科学》

基　　金：国家自然科学基金项目(61672039,61772034);安徽省自然科学基金项目(1808085MF172)资助

年　　份：2019

卷　　号：46

期　　号：B06

起止页码：468-472

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：随着互联网技术的发展,信息过载问题日益严重,推荐系统是缓解该问题的有效手段。针对协同过滤中因数据稀疏和冷启动导致的推荐效率低下问题,提出基于SVD填充的混合推荐算法。首先,采用奇异值分解技术分解项目评分矩阵,通过随机梯度下降法填充稀疏矩阵;然后,在矩阵中加入时间权重,优化用户相似度,同时在项目矩阵中加入Jaccard系数优化项目相似度;接着,综合基于项目和基于用户的协同过滤计算预测评分,从而选择最优项目;最后,在MovieLens和Jester数据集中将所提算法与传统算法进行实验对比,证明了所提算法的有效性。

关 键 词：推荐系统 协同过滤 奇异值分解 填充矩阵  时间权重  

分 类 号：TP391]