作者：蒋伟; 秦志光推荐系统混合协同过滤矩阵分解物品相似度耦合对象相似度辅助信息
摘要：近十年来,协同过滤(CF)推荐系统成功地为用户提供了个性化的产品和服务。然而,用户—物品矩阵的稀疏性、推荐精度不高等问题仍然是一个挑战。针对这些问题,在矩阵分解模型基础上,提出了耦合用户和物品辅助信息的矩阵分解混合协同过滤框架;然后,基于此框架又提出了耦合物品属性信息相似度(COS)的过滤模型。大规模真实数据集上的实验表明,该模型不但可以有效解决物品相似度度量问题,而且相比传统方法,尤其是在物品特征非常稀疏的情况下,推荐准确性得到了有效改进。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
