摘要
随着互联网的普及和信息技术的发展,人们日常生活可以接触到的信息越来越丰富,产生信息数据的速度也越来越快.在拥有海量信息数据的同时,过量的信息不可避免地导致了"信息过载"问题,而推荐系统正是解决这个问题的有效方法之一.首先介绍了奇异值分解(SVD)和SVD推荐算法之间的联系,然后叙述了SVD推荐算法的思路并给出SVD算法模型的最优损失函数.在此基础上,建立一个传统服饰商城的推荐系统,利用158组样本数据测试该系统,得出推荐系统的均方根误差为0.9994,平方绝对值误差为0.7366.此外还计算了样本数据的误差百分比,结果表明绝大多数测试样本的误差百分比在30％以内.基于SVD推荐模型的特点和实验结果得出,SVD推荐模型适用于小型电商平台的商城用户的个性化推荐.
基金项目
2018 年全国大学生创新创业训练计划创新训练项目(201811349010)
广东省大学生创新创业训练计划创业实践项目(201811349062S)
国家科技期刊平台
NSTL
维普
万方数据