一种基于隐因子预测的冷启动推荐算法

摘要

本发明公开的基于隐因子预测的冷启动推荐方法，属于机器学习和推荐系统领域。本发明的评分预测通过预测用户偏好因子来计算用户对项目的评分，克服了协同过滤算法因为用户历史评分缺失无法对新用户进行推荐的问题。本方法针对用户冷启动问题，结合矩阵分解算法和协同过滤算法，提出一个基于隐因子预测的冷启动推荐的方法。本发明提出的方法是将评分数据集通过矩阵分解算法得到用户和项目的隐因子特征向量。如果用户是普通用户，那么就结合用户项目的隐因子向量和偏执值来计算预测评分。如果是新用户，就通过协同过滤算法得到用户的隐因子特征向量(偏好因子)，最终计算预测评分。与传统的推荐算法相比，本发明提出的算法不论在精确性还是可扩展性，均高于传统推荐算法，具有一定的实际意义。