基于偏置度量分解与隐反馈的协同过滤推荐算法

矩阵分解由于其简单可靠的特性，是推荐系统中最重要的算法之一，由于内积无法完全捕捉用户和商品间的交互，矩阵分解的性能难以继续提升。为了解决这个问题，改进了基础的距离度量分解模型，提出了基于偏置度量分解与隐反馈的协同过滤推荐算法，并对用户评分时间动态建模，进一步提升了模型性能。针对推荐系统中最常见的评分预测任务，分别在三个数据集上进行实验验证，实验结果表明所提出的模型的预测准确率有明显提升。