基于矩阵填充与BP神经网络的混合推荐算法

摘要

在信息爆炸的时代,推荐系统作为重要的工具可以帮助人们从众多的数据中迅速筛选出想要的信息.由于用于预测分数的Resnick公式只关注了用户的评分记录而没有关注用户评分之间的影响,因此提出使用BP神经网络代替Resnick公式进行评分预测,同时针对推荐系统中存在的数据稀疏问题,提出采用SVD矩阵分解来填充用户项目矩阵,最终得到改进的混合推荐算法.通过用标准Movie Lens数据集对改进的混合推荐算法与传统的协同过滤进行对比,最终数据显示改进的混合推荐算法更加准确.