作者：吴伟桐; 张伟电子商务大数据多元正态概率贝叶斯概率信任关系
摘要：传统的概率矩阵分解技术，忽视了信息消费者间的信任关系和关注关系，使其推荐性能和推荐质量不断下降，针对以上问题，提出基于多元正态概率模型的贝叶斯概率矩阵分解算法，以多元正态概率模型作为先验分布，实验中通过计算Gibbs sampling过程中迭代次数来达到数据的稀疏性。在联合概率未知和条件概率易得等情况下，引用Gibbs sampling技术进行计算，实验中引用MAE、RMSE两种方法进行误差评价。实验结果表明：在稀疏矩阵的检测中，改进的贝叶斯概率矩阵分解算法的预测精密度更加稳定，对缓解矩阵稀疏性问题更加有效。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
