融合朋友关系和标签信息的张量分解推荐算法

• 作者: 丁小焕 彭甫镕 王琼 陆建峰
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 张量分解 高阶奇异值分解 朋友关系 标签 推荐
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1979-1983
• 页数: 5页
• 分类号: TP311|TP391.1
• 字数: 5392字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.07.1979

摘要

针对大众标注网站项目推荐系统中存在数据矩阵稀疏性影响推荐效果的问题,考虑矩阵奇异值分解(SVD)能有效地平滑数据矩阵中的数据,以及朋友圈能够反映出一个人的兴趣爱好,提出了一种融合朋友关系和标签信息的张量分解推荐算法.首先,利用高阶奇异值分解(HOSVD)方法对用户-项目-标签三元组信息进行潜在语义分析和多路降维,分析用户、项目、标签三者间关系;然后,再结合用户朋友关系、朋友间相似度,修正张量分解结果,建立三阶张量模型,从而实现推荐.该模型方法在两个真实数据集上进行了实验,结果表明,所提算法与高阶奇异值分解的方法比较,在推荐的召回率和精确度指标上分别提高了2.5％和4％,因此,所提算法进一步验证了结合朋友关系能够提高推荐的准确率,并扩展了张量分解模型,实现用户个性化推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆建峰	南京理工大学计算机科学与工程学院	77	1217	17.0	33.0
2	王琼	南京理工大学计算机科学与工程学院	19	193	8.0	13.0
3	彭甫镕	南京理工大学计算机科学与工程学院	7	53	3.0	7.0
4	丁小焕	南京理工大学计算机科学与工程学院	3	21	1.0	3.0