基于PMF进行潜在特征因子分解的标签推荐?

• 作者: 刘胜宗 吴言凤 廖志芳 樊晓平
• 来源期刊: 湖南大学学报（自认科学版）
• 关键词: 协同过滤 潜在特征因子 标签推荐 推荐系统 概率矩阵分解
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 【电气与信息工程】
• 页码范围: 107-113
• 页数: 7页
• 分类号: TN911.23
• 语种: 中文

摘要

现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(P MF )进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜在特征向量,然后根据它们两两之间的特征向量内积进行线性组合,从而产生 Top-N 推荐。该算法解决了数据规模大且稀疏情况下的精度问题,算法的线性复杂度使得其可用于大规模数据。实验结果表明,相比于TagRec-CF,PITF,TTD,Tucker,NMF等算法,本文算法既提高了推荐的准确率,又降低了时间损耗。与PITF算法相比较,准确率得到了提高,而处理时间相差不明显；与TTD算法相比较,在准确率相差不明显的情况下,大大降低了时间损耗。因此,本文的TagRec-UPMF算法相比其他算法表现出了一定的优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊晓平	中南大学信息科学与工程学院	236	3229	28.0	45.0
5	廖志芳	中南大学软件学院	65	468	12.0	19.0
6	刘胜宗	中南大学信息科学与工程学院	4	29	2.0	4.0
10	吴言凤	中南大学软件学院	2	22	1.0	2.0