改进的增量奇异值分解协同过滤算法

摘要：

推荐系统作为一种程序算法,是通过度量用户对给定商品的的喜好程度做个性化推荐.广泛地说,推荐系统试图总结出用户的个人喜好,并在用户和商品之间建立一种关系模型.与其他奇异值分解方法相比,改进的增量奇异值分解协同过滤算法基于一系列评分值对用户.商品矩阵进行分解,每次产生一对当前最重要的特征向量.算法有着最小的内存需求,扩展性高,特别适合处理大规模数据集;算法的有效性在Netflix数据集上得到了验证.

关键词：奇异值分解、推荐系统、协同过滤

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

在线出版日期：2011-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：152-154