论文部分内容阅读
传统的协同过滤方法是一种有效的推荐方法,然而在应对冷启动用户或稀疏的评价矩阵时,系统的性能显著下降。为了提高推荐系统应对冷启动用户和稀疏数据的能力,本文提出了一种迭代式的基于核方法的协同过滤算法。首先根据用户对项的评价矩阵序列构建一个数据立方,并针对连续值、有序离散值和无序离散值三种类型定义3个核函数以及基于核函数的预测值估计器,最后根据相应的核函数估计器预测评价矩阵中的未知元素。实验结果表明,本文提出的算法与基于用户的和基于项的协同过滤方法相比误差小,并能更好的应对冷启动用户和稀疏的评价矩阵。