基于矩陣分解的協(xié)同過濾推薦算法研究.pdf

1、快速發(fā)展的互聯(lián)網作為當今社會人們獲取信息的重要途徑，信息過載問題已經成為人們不得不面對的問題。推薦系統(tǒng)是用來解決信息過載的有效工具，也是當今學術界和工業(yè)界研究的熱點問題。協(xié)同過濾推薦算法是目前應用最廣泛的算法，近幾年來基于矩陣分解的方法也收到越來越多的關注。
　　本文圍繞著矩陣分解的協(xié)同過濾推薦算法進行了深入的研究和討論，主要內容如下:
　　1.全面介紹了推薦系統(tǒng)的研究背景和研究意義以及國內外研究現狀，并詳細介紹了常用的推薦

2、算法，包括基于內容的推薦，基于協(xié)同過濾的推薦，基于圖的推薦，基于關聯(lián)規(guī)則的推薦和組合推薦方式，然后對推薦系統(tǒng)面臨的挑戰(zhàn)做了簡要的說明。
　　2.詳細介紹了目前已有的基于矩陣分解的推薦算法，包括基本的奇異值分解，規(guī)范化奇異值分解，加入偏置項的奇異值分解，加入鄰域信息的奇異值分解，加入時間信息的奇異值分解以及非負矩陣分解等方法。
　　3.針對離散評分數據集，提出了基于二項矩陣分解的改進的模型，在假設評分數據服從二項分布的前提下，