呂紅亮　王勁林　鄧峰

摘要：針對現(xiàn)有的多指標(biāo)推薦模型預(yù)測精度較低、速度較慢的問題，提出一種多指標(biāo)推薦的全局鄰域模型（MGNgbr），該模型綜合全局的打分信息和隱性反饋數(shù)據(jù)，通過隨機(jī)梯度下降法學(xué)習(xí)物品在各個指標(biāo)上的相似度，選擇相似度最高的前k個鄰居參與運(yùn)算并最終預(yù)測用戶對物品的打分信息，該模型具有預(yù)測準(zhǔn)確度高、解釋性好、計算復(fù)雜度低等優(yōu)點(diǎn)，實(shí)驗(yàn)結(jié)果表明，該模型的預(yù)測準(zhǔn)確度和分類準(zhǔn)確度均優(yōu)于現(xiàn)有的平均值融合模型、多維距離模型和多維奇異值分解模型，與多維奇異值分解模型相比，該模型還具有收斂快、運(yùn)行時間短等優(yōu)點(diǎn)。