论文部分内容阅读
矩阵分解运用于推荐系统受到越来越多的关注，改进算法也层出不穷，这些算法都面临预测精度不足，收敛速度过慢和不适用于大数据量的推荐系统等问题．针对上述问题，提出一种基于引力影响的矩阵分解推荐方法，物品影响力对推荐系统提高推荐精度具有重要的意义．基于物品流行度和物品质量的高低对用户评分的影响，通过引入物品对用户的引力，实现基于矩阵分解的引力推荐算法．实验表明：在用户没有任何历史行为的情况下也可以做出比较合理的推荐，迭代20次就能达到较好的收敛效果，且在推荐精度上有了明显的提高，并且该算法可适用于数据量大的推荐系