基于大规模隐式反馈的个性化推荐

• 作者: 印鉴 李琪 王智圣 苏伟杰
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 隐式反馈 推荐系统 大数据 MapReduce
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 大数据分析专刊
• 页码范围: 1953-1966
• 页数: 14页
• 分类号: TP311
• 字数: 11930字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004648

摘要

对如何利用大规模隐式反馈数据进行个性化推荐进行了研究,提出了潜在要素模型 IFRM.该模型通过将推荐任务转化为选择行为发生概率的优化问题,克服了在隐式反馈推荐场景下只有正反馈而缺乏负反馈导致的困难.在此基础上,为了进一步提高效率和可扩展性,提出了并行化的隐式反馈推荐模型 p-IFRM.该模型通过将用户及产品随机分桶并重构优化更新序列,达到了并行优化的目的.通过概率推导,所提出的模型有坚实的理论基础.通过在 MapReduce 并行计算框架下实现 p-IFRM,并在大规模真实数据集上进行实验,可以证明所提出的模型能够有效提高推荐质量并且有良好的可扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	印鉴	中山大学信息科学与技术学院	117	2906	26.0	51.0
2	李琪	中山大学信息科学与技术学院	16	177	4.0	13.0
3	苏伟杰	中山大学信息科学与技术学院	4	102	2.0	4.0
4	王智圣	中山大学信息科学与技术学院	3	162	2.0	3.0