基于正负反馈矩阵的SVD推荐模型

• 作者: 吴扬 林世平
• 来源期刊: 计算机系统应用
• 关键词: 推荐系统 协同过滤 矩阵分解 正(负)反馈矩阵 SVD模型
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 专论?综述
• 页码范围: 14-18
• 页数: 5页
• 字数: 4401字
• 语种: 中文

摘要

矩阵奇异值分解技术已经被广泛应用在个性化推荐系统之中。通过矩阵奇异值分解可以提高个性化推荐的准确度。传统的奇异值分解模型对整个矩阵进行分解,得到 user 和 item 两个特征矩阵,然后进行评分预测,并未考虑不同范围的评分包含的不同信息。通过计算评分中的临界值,把评分矩阵拆分成两个矩阵,称为正反馈矩阵和负反馈矩阵。再基于两个反馈矩阵的特征来完成对评分的预测。在实验数据方面,使用MovieLens的数据集,对传统的奇异值分解模型(SVD)和基于超图的奇异值分解模型(HSVD)进行改进。实验结果表明,引入偏好区分概念的模型PSVD、PHSVD,其推荐效果都优于原模型。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林世平	福州大学数学与计算机科学学院	34	380	8.0	19.0
2	吴扬	福州大学数学与计算机科学学院	1	8	1.0	1.0