针对推荐系统中相似偏好用户数量较少情况下的一类新群体冷启动问题开展研究,基于多元相关分析,对传统的尺度与平移不变(Scale and Translation Invariant,STI)的协同过滤推荐方法进行改进,提出一种基于项目相关度的STI推荐方法,以应对...针对推荐系统中相似偏好用户数量较少情况下的一类新群体冷启动问题开展研究,基于多元相关分析,对传统的尺度与平移不变(Scale and Translation Invariant,STI)的协同过滤推荐方法进行改进,提出一种基于项目相关度的STI推荐方法,以应对推荐系统中的新群体冷启动问题.在此基础上,基于Movie Lens数据集对所提出的方法进行了性能分析,结果表明,所提出的方法较Pearson方法及ST1N1方法在解决新群体冷启动推荐的过程中具有更高的推荐准确率.展开更多
文摘针对推荐系统中相似偏好用户数量较少情况下的一类新群体冷启动问题开展研究,基于多元相关分析,对传统的尺度与平移不变(Scale and Translation Invariant,STI)的协同过滤推荐方法进行改进,提出一种基于项目相关度的STI推荐方法,以应对推荐系统中的新群体冷启动问题.在此基础上,基于Movie Lens数据集对所提出的方法进行了性能分析,结果表明,所提出的方法较Pearson方法及ST1N1方法在解决新群体冷启动推荐的过程中具有更高的推荐准确率.
