融合均值分割与word2vec的矩阵分解推荐算法

摘要 随着推荐内容的多样化,推荐系统中需要引入隐式反馈信息来加强其适用范围.但是隐式反馈推荐存在着缺少负反馈的问题,并且稀疏的隐式反馈信息会影响推荐结果准确度.针对这些问题,首先,考虑到用户会存在喜欢和不喜欢的内容,提出均值分割方法,并使用均值分割方法改进矩阵分解推荐算法,解决隐式反馈中缺少负反馈的问题.然后,引入了word2vec技术计算相似度,并使用得到的相似度对隐式评分矩阵进行预测填充,以达到降低隐式评分矩阵稀疏度的目的.最后,使用真实世界数据集进行实验,实验结果表明本文提出的推荐算法可以解决隐式反馈推荐中缺少负反馈的问题,并降低数据的稀疏度,提高推荐结果的准确度