作者：胡胜利; 谭青矩阵分解用户评论主题模型正则化项推荐算法
摘要：针对传统协同过滤算法中存在的数据稀疏性和单一利用用户的评分行为进行推荐的问题,提出了一种融合用户评论的矩阵分解推荐算法（USRMF）。该算法首先利用主题模型产生用户评论文本的主题分布,并结合评分提取出准确的用户兴趣和物品特征,然后结合用户兴趣和物品特征,通过余弦相似度计算分别得到用户和物品的最近邻,最后将最近邻的正则化项引入到矩阵分解模型中。实验中将USRMF算法与传统的协同过滤算法、正则化矩阵分解算法进行比较,结果表明USRMF算法在稀疏的数据集上能够提高推荐的准确度。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《常州大学学报·自然科学版》（CN：32-1822/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《常州大学学报·自然科学版》坚定不移地坚持四项基本原则，遵从“百花齐放，百家争鸣”的办刊方针和期刊发展规律，严把稿件政治方向和学术质量关，不断提高学报的学术水平和质量，推动学校教学科研多出成果和成果转化，提高了学校文科和理工科学笠建设水平，学报在学术界的社会影响力不断提高。获奖情况：2001年被江苏省新闻出版局和省科技厅评为江苏省...
杂志详情
