基于正负反馈矩阵的SVD 推荐模型① - 计算机系统应用.PDF

计 算 机 系 统 应 用 2015 年 第 24 卷 第 6 期 基于正负反馈矩阵的 SVD 推荐模型① 吴 扬, 林世平 (福州大学 数学与计算机科学学院, 福州 350108) 摘 要: 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 MovieLens 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. 关键词: 推荐系统; 协同过滤; 矩阵分解; 正(负)反馈矩阵; SVD 模型. SVD Recommendation Mode