论文部分内容阅读
主要对协同过滤推荐算法进行改进,以使训练评分模型的过程能够预防过拟合现象的发生。对SVD系列算法在评分预测问题中产生的过拟合现象进行相关实验与研究,提出通过调整算法参数与迭代次数来避免过拟合现象发生的方法。实验结果表明,该方法能够以较高的时间效率找到评分预测结果较好的结果,并可有效地避免过拟合现象的发生。