摘要
本发明提出的一种具有预测可信度的矩阵分解推荐系统,包括从数据库中获取和清理数据信息,以获得所需信息;利用矩阵分解模型去训练用户‑项目评级矩阵,生成预测用户‑项目评级矩阵;计算用户‑项目评级矩阵和预测用户‑项目评级矩阵的预测误差,得到预测误差矩阵;利用系统设定的误差阈值ε,对预测误差矩阵进行可信度判定,以生成评级可信度矩阵;利用矩阵分解模型对评级可信度矩阵进行训练,得到预测评级可信度矩阵,作为预测评级矩阵对应位置的可信度概率;通过与系统设定的可信度阈值θ进行比较,将可信度概率低于阈值的预测评级进行过滤,保留较高可信度概率的评级;对过滤后的预测评分集合进行排序,将预测评级较高的前k个项目推送给目标用户,以形成其个性化推荐列表。
技术关键词
矩阵分解模型
预测误差
推荐系统
项目
梯度下降算法
Sigmoid函数
最终用户
过滤模块
列表
数据
参数
系统为您推荐了相关专利信息
线性回归算法
非数值型数据
金融保险技术
计算机设备
填补方法
边界特征
梯度下降算法
计算方法
多边形
光学投影系统
精准诊疗系统
图像特征提取
神经网络架构
关联规则挖掘算法
识别模块