一种基于用户上下文耦合相似度的概率矩阵分解推荐方法

摘要

一种基于用户上下文耦合相似度的概率矩阵分解推荐方法。首先，结合用户上下文信息的耦合相似度和用户可信度构建用户关系矩阵；然后联合用户信任关系矩阵和用户项目矩阵进行概率分解学习特征向量；最后通过新用户信任用户完成推荐。本发明的目的在于提供一种基于用户上下文耦合相似度的概率矩阵分解推荐方法，将用户上下文信息耦合相似性作为一种特殊的信任关系，通过用户上下文信息之间的耦合相似度和用户信任度构建用户信任关系矩阵，然后联合用户评分矩阵概率分解学习潜在特征向量，从而实现推荐；以解决推荐系统中广泛面临的“冷启动”和“稀疏性”问题。