融合显式反馈与隐式反馈的协同过滤推荐算法

显式反馈与隐式反馈相结合，可以有效提升推荐性能.但是现有的融合显式反馈与隐式反馈的推荐系统存在未能发挥隐式反馈数据缺失值反映用户隐藏偏好的能力，或者未能保留显式反馈数据反映用户偏好程度的能力的局限性.为了解决这个问题，提出了一种融合显式反馈与隐式反馈的协同过滤推荐算法.该算法分为两个阶段：第1阶段利用加权低秩近似处理隐式反馈数据，训练出隐式用户/物品向量；第2阶段引入了基线评估，同时将隐式用户/物品向量作为补充，通过显隐式用户/物品向量结合，训练得出用户对物品的预测偏好程度.该算法与多个典型算法在标准数据集上进行了实验比较，其可行性和有效性得到验证