基于用户偏好的矩阵分解推荐算法

摘要

为提高推荐精确度,提出了一种基于用户偏好的矩阵分解推荐算法( USPMF)。综合考虑通过对用户之间的相似性、用户与项目之间的信息的分析,同时考虑数据量大引起的时间和空间复杂度高的问题,引入了矩阵分解方式。 USPMF算法以优化损失函数为目标,在达到全局最优的同时,提高预测的准确度。将USPMF算法与正则化矩阵分解算法、基于用户的协同过滤推荐算法进行了比较,在真实的数据集上的实验结果表明,USPMF算法在预测准确性上有显著提高,平均绝对误差( MAE)分别降低了13．70%、1．17%,均方根误差(RMSE)分别降低了15．07%、1．03%。