Indexed by：
Abstract：
矩阵奇异值分解技术已经被广泛应用在个性化推荐系统之中.通过矩阵奇异值分解可以提高个性化推荐的准确度.传统的奇异值分解模型对整个矩阵进行分解,得到user和item两个特征矩阵,然后进行评分预测,并未考虑不同范围的评分包含的不同信息.通过计算评分中的临界值,把评分矩阵拆分成两个矩阵,称为正反馈矩阵和负反馈矩阵.再基于两个反馈矩阵的特征来完成对评分的预测.在实验数据方面,使用Movie Lens的数据集,对传统的奇异值分解模型(SVD)和基于超图的奇异值分解模型(HSVD)进行改进.实验结果表明,引入偏好区分概念的模型PSVD、PHSVD,其推荐效果都优于原模型.
Keyword：
Reprint 's Address：
Email：
Source ：
计算机系统应用
ISSN： 1003-3254
Year： 2015
Issue： 6
Volume： 24
Page： 14-18
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count： -1
30 Days PV： 4
Affiliated Colleges：
