一种基于推荐系统的自适应局部低秩矩阵近似建模方法

摘要

本发明提供了一种基于推荐系统的自适应局部低秩矩阵近似建模方法、推荐方法及推荐系统，用以解决现有技术中大数据背景下推荐系统性能不高的问题。所述基于推荐系统的自适应局部低秩矩阵近似建模方法，首先构建评分矩阵，再生成评分子矩阵，并自适应地确定每个子矩阵的秩，生成最优空间中局部隐表示，为评分子矩阵引入指示矩阵，并引入用户/物品偏置，构建观测评分模型，从而构建近似模型。本发明捕获了用户或物品的子集中的局部关联信息，允许在簇与簇之间动态分配统计容量，通过自动关联自适应地从每个子矩阵中挖掘用户或物品的隐表示，通过缺失机制确定潜在特征的重要性，在评分预测和排序预测上都显著地提升了推荐性能。