计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (2): 116-120.DOI: 10.3778/j.issn.1002-8331.1709-0347
陈 晔,刘志强
CHEN Ye, LIU Zhiqiang
摘要: 在推荐系统中,基于矩阵分解的推荐算法是目前的研究热点之一,然而普通矩阵分解算法的推荐精确度偏低,为了改善该问题,以矩阵分解算法中的潜在因子模型(LFM)优化为研究对象,分析LFM中两种基础推荐算法在寻优速率与推荐精度上的不足,然后提出两种改进算法:带冲量的批量学习算法和混合学习算法,最后通过实验数据测试,对比了不同算法的推荐效果,结果证明改进算法的性能更优。