资料下载
×
基于SVDPP算法的新型协同过滤推荐算法
消耗积分:0 |
格式:pdf |
大小:1.65 MB |
2021-03-09
分享资料个
为进一步改善个性化推荐系统的推荐效果，通过使用强化学习方法对 SVDPP算法进行优化，提出一种新的协同过滤推荐算法。考虑用户评分的时间效应，将推荐问题转化为马尔科夫决策过程。在此基础上，利用Q- learning算法构建融合时间戳信息的用户评分优化模型，同时通过预测评分取整填充和优化边界补全方法预测缺失值，以解决数据稀疏性冋题。实验结果显示，该算法的均方根误差较 SVDPP算法降低了0.0056，表明融合时间戳并采用强化学习方法进行推荐性能优化是可行的。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
