在推薦系統(tǒng)中,矩陣因子分解被廣泛用于從顯式評級中挖掘用戶偏好。然而,顯性評級的可靠性并不總是一致的,因為許多因素可能會影響用戶對物品的最終評價。因此,挖掘用戶的可靠評分對進一步提高推薦系統(tǒng)的性能至關重要。文章分析了每個等級在用戶和物品總體等級分布中的偏離程度,并分別提出了基于用戶的等級中心性和基于物品的等級中心性的概念。最后實驗結果表明,該方法具有更好的預測精度,特別是在稀疏數(shù)據(jù)集上。 

【文章來源】：長江信息通信. 2021,34(11)

【文章頁數(shù)】：3 頁


本文編號：3643711