[00005755]一种基于概率矩阵分解结合相似度的个性化推荐方法
技术详细介绍
本发明公开了一种基于概率矩阵分解结合相似度的个性化推荐方法，具体包含以下步骤S1建立物品信息和历史评分数据库；S2生成用户之间和物品之间的相似度矩阵；S3对上述矩阵的行向量按照降序进行排列；S4基于概率矩阵分解模型生成目标函数；S5生成最终的用户和物品的潜在特征矩阵；S6根据最终的用户和物品的潜在特征矩阵生成预测的评分矩阵；S7对用户进行个性化推荐。本发明中，可以根据用户的潜在特征向量与相似度高的用户潜在特征向量有关，使得预测评分更加贴近用户的真实评分，从而提高当前推荐系统推荐准确率。
