论文部分内容阅读
在推荐系统中,精确率和召回率是衡量推荐系统的重要指标。提出了DRMF＋方法：首先考虑用户的噪声数据有害于推荐的精确性;其次将神经网络和概率矩阵分解的思想结合在一起,得到优化用户和物品的潜在隐含因子来预测用户对物品缺失的评分最后以此评分为用户做出推荐。实验结果表明该文所提出的方法有助于矩阵分解在评分预测精确性和召回率的方面得到了一定的提升。