基于耦合相似度的矩阵分解推荐方法

• 作者: 孙劲光 孟祥福 郭梦娇
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 推荐系统 相似度 矩阵分解 冷启动 预测
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 247-251
• 页数: 5页
• 分类号: TP311
• 字数: 6076字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.4.050

摘要

随着因特网和信息技术的高速发展,信息过载现象越来越严重.推荐系统能够给个人和商家(例如电子商务和零售商)提供个性化的推荐.数据稀疏性和分数预测质量问题被公认为是现存推荐系统中的主要挑战.当前绝大多数推荐系统技术都依赖于协同过滤方法,它主要利用用户-项目评分矩阵来表示用户和项目之间的关系.一些研究利用附加信息来提高推荐准确性,但是,绝大多数现存的引入项目之间关系的方法并不能很好地用于预测和推荐,因为其假设项目属性之间是独立同分布的,而实际上项目(或用户)的属性之间是存在耦合关系的.由此提出了基于属性耦合关系的矩阵分解模型,它能有效地刻画项目之间的耦合相关性,从而更加合理地预测用户对项目的评分.实验结果表明,所提出的模型在热启动和冷启动的推荐准确性方面均优于传统的推荐算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙劲光	辽宁工程技术大学电子与信息工程学院	158	1081	17.0	25.0
2	孟祥福	辽宁工程技术大学电子与信息工程学院	51	387	12.0	17.0
3	郭梦娇	辽宁工程技术大学电子与信息工程学院	1	3	1.0	1.0