标题：基于改进相似度的矩阵分解推荐算法研究
作者：周小博
作者单位：吉林化工学院信息与控制工程学院，吉林 吉林 132022
关键字：矩阵分解；相似度；热门惩罚；可变权重
摘要：考虑用户相似度的推荐算法缓解了数据的稀疏性，但是存在相似度计算不准确、未考虑用户项目之间联系的问题，基于此提出了一种改进用户和项目相似度的矩阵分解推荐算法（UIS-SVD）。通过改进相似度计算公式，解决现有相似性计算中存在的问题，同时约束用户、项目特征与其相似的用户和项目靠近，将其融入矩阵分解模型进行推荐。在真实公开数据集中的实验表明，该算法的性能优于传统矩阵分解推荐算法，也表明改进后的相似度在寻找近似用户和项目时更准确。