论文部分内容阅读
在分析传统推荐算法不足的基础上,提出一种稀疏矩阵下的个性化改进策略。首先进行一对一的个性化预测,得到虚拟用户评分矩阵,在此基础上再进行综合预测。该方法避免了传统推荐算法中推荐值与用户相似度不密切相关的弊端,提高了协同过滤的预测精度,尤其是在矩阵极端稀疏情况下的预测精度。最后通过实验验证了算法的有效性和优越性。