耦合关系推荐模型

摘要

推荐系统是帮助用户发现其喜好,克服信息过载的重要工具.推荐系统能够给个人和商家(例如电子商务和零售商)提供个性化的推荐.数据稀疏性和分数预测质量问题被公认为是现存推荐系统中的主要挑战.本文提出基于项目相关度的近邻矩阵分解模型融合了用户偏好及偏好近邻,从而使用户对项目的评分预测更加合理.实验结果表明,本文提出的基于耦合关系的矩阵分解模型在热启动和冷启动的推荐准确性方面均优于传统的推荐算法.