%0 Journal Article
%T K近邻矩阵分解推荐系统算法
%A 孙艳蕊
%A 郝雅娴
%J 中山大学学报（自然科学版）
%D 2018
%X 摘要 协同过滤算法随着电子商务的发展而提出，用来为电商用户作出智能推荐.近几年来，电子商务网站迅速发展，对协同过滤算法有更高的要求.传统的矩阵分解与K最近邻对用户评分矩阵整体进行学习从而达到推荐目的.事实上，用户评分矩阵有很高的稀疏性，有用的评分信息是与目标用户相关联的评分，计算用户对项目的评分，单一查找用户近邻与项目近邻并不符合实际应用.为了缓解稀疏性，使推荐结果更加合理，提出一个近邻矩阵分解算法，将用户近邻与项目近邻评分信息融合为一个近邻评分矩阵，挖掘目标用户对目标项目的评分信息.在真实数据集上的实验表明，提出的算法提高了推荐结果的准确性
%K 协同过滤算法
%K 推荐系统
%K 稀疏性
%K K近邻算法
%K 矩阵分解
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4396.shtml