融合邻域模型与隐语义模型的推荐算法

• 作者: 丁怡 张锦 王如龙 鲁权
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 推荐系统 协同过滤 隐语义模型 均方根误差
• 年，卷（期）: 2013,（19）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 100-103,134
• 页数: 5页
• 分类号: TP391
• 字数: 4904字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1303-0357

摘要

作为目前构建推荐系统最成功的方法之一，协同过滤算法（CF）是利用已知的一组用户喜好数据来预测用户对其他物品的喜好从而做出个性化推荐的。两种比较成功的协同过滤算法能够直接刻画用户和物品因子的隐语义模型，以及分析物品或者用户之间相似度的邻域模型。提出了一种针对这两种模型的改进方法，使得隐语义模型和邻域模型能够有效结合，从而构建出一个更精确的融合模型。在融合用户的显性反馈与隐性反馈信息对模型进行扩展后，又使得精确度进一步提升。在Netflix数据集上进行测试，实验结果表明，该融合算法在Netflix数据集上的性能优于其他算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张锦	湖南大学信息科学与工程学院	47	477	10.0	20.0
2	王如龙	湖南大学信息科学与工程学院	80	885	15.0	27.0
3	丁怡	湖南大学信息科学与工程学院	2	50	2.0	2.0
4	鲁权	湖南大学信息科学与工程学院	2	50	2.0	2.0