一种优化标签的矩阵分解推荐算法

• 作者: 张明 郭娣
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 标签 网络图 互增强 偏好信息 矩阵分解
• 年，卷（期）: 2015,（23）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 119-124
• 页数: 6页
• 分类号: TP182
• 字数: 5221字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1502-0174

摘要

个性化推荐研究中,垃圾标签不仅会导致数据稀疏性问题,同时影响推荐的实时性和精确性.因此提出一种优化标签的矩阵分解推荐算法OTMFR,该算法分为两个阶段:首先优化标签,在建立三部网络图的基础上提出一种标签排序算法,利用互增强的关系得到关于标签流行度的排序,去除排序靠后的垃圾标签;然后在此基础上利用用户和资源对标签的偏好信息构建用户-资源偏好矩阵,并从矩阵分解的角度为用户产生推荐.在Delicious数据集上的实验结果表明,该算法在推荐精准度上有较为明显的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明	武汉理工大学信息工程学院	36	317	10.0	17.0
5	郭娣	上海理工大学光电信息与计算机工程学院	4	25	3.0	4.0