基于协同过滤的推荐算法研究与计算机引擎设计
日期：2018年02月07日
编辑：ad201107111759308692
作者：无忧论文网
点击次数：1540
论文价格：150元/篇
论文编号：lw201802022108125301
论文字数：34475
所属栏目：计算机论文范文
论文地区：中国
论文语种：中文
论文用途：硕士毕业论文 Master Thesis
算法中，矩阵所保留维数 k 值的大小不容易选取，如果保留的维数 k 值过小，那么将会丢失过多的原始数据结构信息，将得不到原始评分矩阵中的数据特征信息。相反，如果保留矩阵kZ 的维数 k 值太大，那么将失去对原始矩阵进行降维的意义。在协同过滤算法产生推荐的时候，利用相关系数算法来衡量相似度时，由于填充完整的矩阵的数据量非常大，相似度计算将遍历整个数据空间，从而导致推荐效率和推荐质量相对较低。综上所述，SVD 矩阵分解算法可以方便高效地提取原
