針對(duì)目前的電影推薦算法中，傳統(tǒng)的矩陣分解算法對(duì)于用戶(hù)的離散型評(píng)分?jǐn)?shù)據(jù)集的數(shù)據(jù)利用率不高的問(wèn)題，提出基于二項(xiàng)分布的矩陣分解算法的模型，在假定用戶(hù)的評(píng)分?jǐn)?shù)據(jù)是服從二項(xiàng)分布的前提下，利用最大后驗(yàn)估計(jì)學(xué)習(xí)得出損失函數(shù)，將用戶(hù)的興趣度作為影響因子，加入項(xiàng)目之間的鄰域影響，其后利用隨機(jī)梯度下降法針對(duì)問(wèn)題求解。通過(guò)在MovieLens數(shù)據(jù)集上與傳統(tǒng)的矩陣分解算法的對(duì)比實(shí)驗(yàn)，結(jié)果表明，提出的算法可以有效的提高推薦精度，表現(xiàn)出良好的穩(wěn)定性。
?