论文部分内容阅读
为了解决协同过滤算法中的数据稀疏性问题,本文提出一种融入项目属性相似度的矩阵分解算法(IS-MF)。IS-MF算法首先根据矩阵分解对原始评分矩阵降维;然后计算项目属性相似度预测再去填充原始评分矩阵的缺失数据;最后在填充后的矩阵基础上计算预测得分产生推荐。在真实的MovieLens数据集上进行实验,得出本文提出的IS-MF算法使得推荐的效果极大提高了。