基于主题模型的矩阵分解推荐算法

• 作者: 代苓苓 史晟辉 李芳 林晓勇
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 推荐系统 标签 主题模型 矩阵分解 正则化项
• 年，卷（期）: 2015,（z2）
• 所属期刊栏目: 人工智能
• 页码范围: 122-124,127
• 页数: 4页
• 分类号: TP181
• 字数: 4464字
• 语种: 中文

摘要

针对协同过滤算法存在的数据稀疏和忽视用户喜好多主题的问题，提出了基于主题模型的矩阵分解推荐算法，将标签、主题模型融合到了矩阵分解模型当中。该方法首先根据物品的标签提取物品的主题特征，用物品主题特征向量表达该物品，然后通过相似度计算方法得到每个物品的最近邻，最后用基于最近邻的正则化项来改进矩阵分解模型。在实验分析中，选择了不同的主题数进行比较，并且在潜在因子数不同的情况下，对比了该算法和潜在因子模型、正则化奇异值分解推荐算法。实验结果表明，改进算法能够降低预测评分的均方根误差，提高评分预测的准确度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史晟辉	北京化工大学信息科学与技术学院	13	82	5.0	8.0
2	林晓勇	北京化工大学信息科学与技术学院	11	79	5.0	8.0
3	李芳	北京化工大学信息科学与技术学院	16	111	5.0	10.0
4	代苓苓	北京化工大学信息科学与技术学院	2	21	2.0	2.0