论文部分内容阅读
本文对基于模型的推荐算法进行了初步的探索,在前人工作的基础上,研究了基于概率隐含语义分析(probabilisticLatentSemanticAnalysis,pLSA)在推荐系统中的应用和实现技术。
本文在被广泛使用和认可的MovieLens和EachMovie数据集上进行了实验,证实了动态修正算法的有效性。EachMovie数据集上开展基于内容和协同过滤推荐的对比实验发现:对于新加入的文档,基于内容预测的增添方法能够获得较好的推荐准确度,可加速用户对新文档的评价过程,尽快纳入pLSA协同推荐模型之中