CubeALS:新的三维协同过滤推荐算法

• 作者: 李改 李磊 潘嵘
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: CubeALS CubeSVD 三维协同过滤 个性化推荐
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 156-164
• 分类号: TP311
• 字数: 6925字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2012.02.007

摘要

随着互联网的快速发展,人们对个性化网页搜索、个性化广告投放、个性化社会标注等三维推荐服务的需求越来越紧迫.这些三维立方体数据高度稀疏,且与二维推荐系统相比三维推荐系统中对象之间的关系更加复杂.为了更好地模拟三维对象之间的关系并解决三维数据高度稀疏的问题,提出了一种新的三维协同过滤推荐算法CubeALS(cube alternating least squares).该算法对三维协同过滤推荐算法CubeSVD(cube singular value decomposition)进行了改进,尝试使用不同于SVD的算法进行矩阵分解.在真实的个性化社会标注数据集上的实验结果表明,与CubeSVD算法相比,CubeALS的性能得到了显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李磊	中山大学信息科学与技术学院	117	1028	16.0	29.0
5	潘嵘	中山大学信息科学与技术学院	8	149	5.0	8.0