10.11896/j.issn.1002-137X.2017.05.052
基于改进贝叶斯概率模型的推荐算法
针对现有基于矩阵分解的协同过滤推荐系统预测精度与推荐精度较低的问题,提出一种改进的矩阵分解方法与协同过滤推荐系统.首先,将评分矩阵分解为两个非负矩阵,并对评分做归一化处理,使其具有概率语义;然后,采用变分推理法计算贝叶斯概率模型实部后验的分布;最后,搜索相同偏好的用户分组并预测用户的偏好.此外,基于用户向量的稀疏性设计一种低计算复杂度、低存储成本的推荐结果决策算法.基于3组公开数据集的实验结果表明,本算法的预测性能以及推荐系统的效果均优于其他预测算法与推荐算法.
协同过滤、贝叶斯概率模型、变分推理、矩阵分解、评分矩阵
44
TP391(计算技术、计算机技术)
国家科技支撑计划2013BAH27F00;塔里木大学校长基金项目TDZKQN201616;新疆南疆农业信息化研究中心项目TSAI201402
2017-06-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
285-289