基于TSVD的協同過濾推薦算法研究

周艷 李凱 付高宇 向銘杰 曹建波 葉栩見

摘要：針對經典的協同過濾推薦算法的一系列不足，如用戶冷啟動、商品評分稀疏性以及推薦精度不高，文章提出基于截斷奇異值分解（TSVD）的協同過濾推薦算法。使用TSVD技術對稀疏矩陣進行降維處理，利用Jaccard相似度算法計算用戶間相似度，提高推薦精度。實驗結果顯示，基于截斷奇異值分解（TSVD）的協同過濾算法體現良好的推薦質量及預測精度。

關鍵詞：推薦算法;協同過濾;稀疏矩陣;截斷奇異值分解

中圖分類號：TP391? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）04-0075-02

1 引言

隨著互聯網、信息技術的飛速發展，用戶獲取信息的來源越來越豐富，但繁雜的信息在網絡過濾中容易造成流失。對于“大數據時代”背景下的電子商務，為用戶推出個性化的推薦系統愈加重要，它能通過集中分析用戶行為和偏好，為用戶提供個性化的推薦服務，并根據新收集到的用戶行為數據，自動更新并調整推薦內容[1]。用戶個性化的推薦系統是一種更智能、更現代化的信息過濾方式，它的出現對電子商務平臺和社交信息平臺產生了質的影響。

協同過濾算法是推薦算法中最經典、使用范圍最廣泛的一種類型，有廣大的應用遠景和潛在商業價值，在電子商務中其主要價值體現在：能發掘潛在用戶;提高了電子商務平臺的差異化銷售能力;提升了廣告渠道轉化效率和用戶的個性化體驗[2]。

其中基于用戶的協同過濾算法是通過分析用戶在平臺上的歷史……