基于評(píng)分相似性的群稀疏矩陣分解推薦算法

　　如何提高系統(tǒng)的推薦精度，是當(dāng)前推薦系統(tǒng)面臨的重要問(wèn)題。對(duì)矩陣分解模型進(jìn)行了研究，針對(duì)評(píng)分?jǐn)?shù)據(jù)的群結(jié)構(gòu)性問(wèn)題，提出了一種基于評(píng)分相似性的群稀疏矩陣分解模型（ SSMF-GS）。首先，根據(jù)用戶(hù)的評(píng)分行為對(duì)評(píng)分?jǐn)?shù)據(jù)矩陣進(jìn)行分群，獲得相似用戶(hù)群評(píng)分矩陣；然后，通過(guò)SSMF-GS算法對(duì)相似用戶(hù)群評(píng)分矩陣進(jìn)行群稀疏矩陣分解；最后，采用交替優(yōu)化算法對(duì)模型進(jìn)行求解。所提模型可以篩選出不同用戶(hù)群的偏好潛在項(xiàng)目特征，提升了潛在特征的可解釋性。在GroupLens網(wǎng)站上提供的MovieLens數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，所提算法可以顯著提高預(yù)測(cè)精度，平均絕對(duì)誤差（MAE）及均方根誤差（RMSE）指標(biāo)均表現(xiàn)出良好的性能。