混合因子矩阵分解推荐算法

• 作者: 张志勇 彭勤科 赵长伟
• 来源期刊: 西安交通大学学报
• 关键词: 推荐算法 矩阵分解 混合因子 推荐解释 冷启动
• 年，卷（期）: 2016,（12）
• 页码范围: 87-91
• 页数: 5页
• 分类号: TP393|G558
• 语种: 中文
• DOI: 10.7652/xjtuxb201612014

摘要

针对矩阵分解推荐算法在潜在属性与已知属性之间不能建立对应关系的问题,提出了一种混合显式属性与隐式属性的矩阵分解算法.该算法使用显式属性的相关性对因子矩阵进行约束,能够抑制稀疏数据矩阵分解中过拟合的问题,提高推荐精度,由于因子矩阵中包含显式属性,所以混合因子矩阵分解算法可以实现对新用户和新产品推荐,部分地解决了冷启动问题,实现了从评分数据到显式属性的映射,并对推荐结果给出一定的解释.在MovieLens数据集上的实验结果表明:相同因子数下,混合因子矩阵分解算法的推荐精度均优于偏置概率矩阵分解算法,并能够基于显式属性实现对新产品的推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭勤科	西安交通大学电子与信息工程学院	68	773	16.0	25.0
2	张志勇	河南科技大学信息工程学院	91	468	12.0	16.0
3	赵长伟	西安交通大学电子与信息工程学院	12	46	4.0	6.0