%0 Journal Article
%T 基于Logistic函数的社会化矩阵分解推荐算法
%A 扈红超
%A 方耀宁
%A 郭云飞
%J 北京理工大学学报
%D 2016
%R 10.15918/j.tbit1001-0645.2016.01.013
%X 持续指数增长的互联网逐渐带来了信息过载问题,使得推荐系统提供的信息过滤服务尤为重要. 协同过滤是推荐系统领域最为成功的技术,但依然存在数据稀疏性等问题. 社会关系信息能够有效提高推荐系统的预测准确性. 为解决数据稀疏性问题,本文提出了一种利用Logistic函数的社会化矩阵分解推荐算法. 在3组真实数据结合上的实验结果表明,本文提出的算法能够提供更准确的推荐结果,特别是在数据稀疏的情况下,显著缓解了数据稀疏性问题
%K 推荐系统 协同过滤 矩阵分解 社会关系 Logistic 函数
%U http://journal.bit.edu.cn/zr/ch/reader/view_abstract.aspx?file_no=20160113&flag=1