论文部分内容阅读
由于评分矩阵存在稀疏性问题和冷启动问题,传统的推荐系统大多通过分析上下文环境来增强推荐系统的性能,导致计算复杂度提高,并影响推荐的准确率。针对这种情况,提出基于神经网络和社区发现的高维数据推荐系统。利用神经网络识别影响力大的上下文维度,提高预测的准确率;设计社区检测算法将用户分组,降低数据维度并解决稀疏性问题;采用张量模型处理包含丰富附加信息的用户评分矩阵,根据张量值预测用户对项目的偏好。仿真实验结果表明,该系统有效地提高了高维数据推荐系统的性能。