作者：杨亚东; 熊庆国协同过滤推荐数据稀疏冷启动概率矩阵分解标签偏好期望最大法
摘要：为提高推荐算法性能，解决数据稀疏和冷启动因素造成的推荐精度不高的问题，提出一种改进的协同过滤推荐算法。基于三元组表示形式，利用标签集、用户集和项目资源集构建标签、用户以及项目之间的动态联系，并进行信任值评分矩阵的计算，使用信任评分矩阵融合协同推荐过程，构建概率矩阵分解模型，并基于期望最大法进行模型的求解。实验结果表明，与采用基于余弦、皮尔逊相关系数和启发式相似度模型的算法相比，该算法具有较低的绝对误差均值以及较高的覆盖率、精度与召回率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
