摘要：评分预测问题是推荐系统研究的核心.本文利用用户评分数据集发掘商品之间的自相关性将商品看作数据网络中的节点,用商品间的差异度定义节点间的距离,进而将评分预测问题转化为网络回归问题.然后使用迭代加权回归算法进行评分预测.通过对电影评分数据集MovieLens的分析,验证了算法的有效性,结果表明迭代加权回归算法优于基于项目邻域的协同过滤算法.
分类：期刊> 自然科学与工程技术> 基础科学> 数学
收录：知网收录(中) > 维普收录(中) > Pж(AJ) 文摘杂志(俄) > 国家图书馆馆藏 > 上海图书馆馆藏 > 数学文摘
关键词：推荐系统 评分预测 迭代加权回归 自相关性
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
