基于改进协同过滤算法的用户页面兴趣度预测研究

来源：计算机应用研究杂志2019年第11期北京时间：

作者：宋泊东,张立臣,

单位：广东工业大学计算机学院,广州510006；

摘要：根据大数据稀疏性特征，把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证，提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法利用网络日志中的显性用户过往兴趣度评分数据发现用户页面兴趣度和其影响因素。MATLAB仿真结果显示：提出的基于改进协同过滤算法的用户页面兴趣度测量方法可有效克服海量数据的稀疏性，在预测准确性、测量速度方面都有很大的提高。

关键词：大数据,奇异值分解,用户兴趣度,协作过滤算法,数据稀疏性,

基金资助：国家自然科学基金资助项目(61572142)；广东省自然科学基金资助项目(2015A030313490)；；