一种带偏置的非负矩阵分解推荐算法

摘要 针对传统应用在推荐系统中的非负矩阵分解算法较少考虑独立于用户和项目之外的因素,提出一种结合用户及项目偏置的非负矩阵分解算法.为了避免随机初始化的用户隐因子矩阵和项目-隐因子矩阵在更新过程中产生局部最优解,首先利用SVD技术初始化用户-隐因子矩阵和项目隐因子矩阵.其次在分解过程中把用户、项目的偏置信息与传统非负矩阵分解算法相融合,明确偏置信息与预测数据之间的关系.最后通过实验表明,在不同的数据集上,该算法与传统矩阵分解算法相比在稀疏用户（评价项目比较少的用户）评分预测准确性上有显著提高