基于聚类的因子分解机推荐算法研究

• 作者: 李凯 詹志强 谢桂林
• 来源期刊: 软件
• 学科: 工学
• 关键词: 电商 海量数据 推荐 聚类 因子分解机
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 113-117
• 页数: 5页
• 分类号: TP391.41
• 字数: 3739字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2016.10.025

摘要

随着电商行业的飞速发展，电商平台上产生的点击、评分、购买等行为日志数据朝着海量化、多样化、无序化的方向发展，使得获取有价值信息的复杂度增加，降低了信息生产者将信息传达给信息消费者的效率，使得用户体验变差。为了解决上述问题，本文提出一种基于用户行为聚类的分级因子分解机系统推荐模型。首先构建用户多维行为特征工程，将用户分为四种行为模式，随后对不同模式的用户分别采用因子分解机推荐算法进行推荐预测。最后仿真结果表明，本文提出的改进推荐算法不仅降低了推荐预测的均方根误差（RMSE），并且大大地减少了推荐时间，有利于实时推荐系统的应用。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹志强	北京邮电大学信息与通信工程学院	13	157	6.0	12.0
2	李凯	北京邮电大学网络技术研究院	8	28	4.0	5.0
3	谢桂林	北京邮电大学信息与通信工程学院	1	3	1.0	1.0