基于正则化矩阵分解的电影推荐算法

针对细粒度和多类别的观影用户行为分析准确度不高和推荐误差大的问题,提出基于年龄信息正则化矩阵分解的观影用户行为分析算法。本算法通过6040位用户对3925部电影的1000209条相关评论信息,通过对比三种算法的均方误差和均方根误差,相较于基于内容的推荐算法分别降低了0.34%和0.17%,相较于基于用户的协同过滤算法分别降低了14.12%和29.72%。实验表明,本文提出的推荐算法能够考虑不同年龄的差异,实现更加符合用户实际的推荐需求,提高了推荐准确度和稳定性,改善了推荐误差。