论文部分内容阅读
摘要：协同过滤是根据兴趣相投、拥有相似体验邻居用户的喜好来向目标用户预测和推荐感兴趣的信息。然而，由于评分矩阵的稀疏性以及冷启动问题，现有的协同过滤技术在推荐效果上差强人意。该文提出了一种将用户评分和项目属性相结合来进行评分矩阵填充的新方法。首先利用项目属性来构造布尔矩阵，其次，通过比较两个项目之间的欧几里德距离，来预测空白无评价元素。实验结果表明，该文采用的方法有助于预测稀疏矩阵的未评价空白数据，填充准确度合理。
关键词：协同过滤;稀疏矩阵;特征值矩阵
中图分类号：TP391
关键词：协同过滤;稀疏矩阵;特征值矩阵
中图分类号：TP391