基于矩阵分解的图书推荐算法研究  

作　　者：任杰麟[1] 陈力平 高燕琼[1] 李显志[1] 

机构地区：[1]西南石油大学图书馆,四川成都610500

出　　处：《内蒙古科技与经济》2020年第18期119-121,共3页Inner Mongolia Science Technology & Economy

摘　　要：为了提高基于矩阵分解的推荐算法精度,解决传统矩阵分解结果出现负数和运算量大的问题,提出了改进的基于矩阵分解的推荐算法,在推荐模型中引进Sigmoid函数,该函数能够控制分解结果的值域,提高推荐算法评分的可理解性,消除矩阵分解结果出现负数的情况;在推荐模型中利用系数控制推荐算法中不同部分权重,能够使得算法更加的灵活,利用交替梯度下降法实现计算结果的部分分离,为分布式计算奠定了基础,通过实验验证,提出的推荐算法提高了评分的准确度,并增强了推荐算法的可扩展性。

关 键 词：推荐系统 矩阵分解 潜语义模型 函数 偏置 

分 类 号：G250[文化科学—图书馆学]