基于矩陣分解的協(xié)同過濾推薦算法研究.pdf

1、快速發(fā)展的互聯(lián)網(wǎng)作為當(dāng)今社會(huì)人們獲取信息的重要途徑，信息過載問題已經(jīng)成為人們不得不面對(duì)的問題。推薦系統(tǒng)是用來解決信息過載的有效工具，也是當(dāng)今學(xué)術(shù)界和工業(yè)界研究的熱點(diǎn)問題。協(xié)同過濾推薦算法是目前應(yīng)用最廣泛的算法，近幾年來基于矩陣分解的方法也收到越來越多的關(guān)注。
　　本文圍繞著矩陣分解的協(xié)同過濾推薦算法進(jìn)行了深入的研究和討論，主要內(nèi)容如下:
　　1.全面介紹了推薦系統(tǒng)的研究背景和研究意義以及國(guó)內(nèi)外研究現(xiàn)狀，并詳細(xì)介紹了常用的推薦

2、算法，包括基于內(nèi)容的推薦，基于協(xié)同過濾的推薦，基于圖的推薦，基于關(guān)聯(lián)規(guī)則的推薦和組合推薦方式，然后對(duì)推薦系統(tǒng)面臨的挑戰(zhàn)做了簡(jiǎn)要的說明。
　　2.詳細(xì)介紹了目前已有的基于矩陣分解的推薦算法，包括基本的奇異值分解，規(guī)范化奇異值分解，加入偏置項(xiàng)的奇異值分解，加入鄰域信息的奇異值分解，加入時(shí)間信息的奇異值分解以及非負(fù)矩陣分解等方法。
　　3.針對(duì)離散評(píng)分?jǐn)?shù)據(jù)集，提出了基于二項(xiàng)矩陣分解的改進(jìn)的模型，在假設(shè)評(píng)分?jǐn)?shù)據(jù)服從二項(xiàng)分布的前提下，