个性化推荐中的隐语义模型

• 作者: 曹健 王升升 赵海燕 陈庆奎
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 协同过滤 隐语义模型 矩阵分解 社交网络 数据稀疏性 冷启动
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 计算机软件与数据库研究
• 页码范围: 881-889
• 页数: 9页
• 分类号: TP311
• 字数: 9403字
• 语种: 中文

摘要

协同过滤是最流行的推荐算法之一,已经成功地应用在很多推荐系统中,而隐语义模型就是协同过滤的典型代表.隐语义模型的核心思想是通过隐类联系用户兴趣和物品,通过矩阵分解技术建立用户和隐类之间的关系,隐类和物品之间的关系,最终得到用户对物品的偏好关系,从而个性化地对用户进行物品的推荐.但是,数据稀疏性和冷启动是协同过滤面临的最大挑战,幸运的是,伴随着社交网络的异军突起,很多学者已经将社交特征数据信息(比如标签、社交等)融入隐语义模型之中来解决协同过滤面临的问题.本文综述了近些年来基于隐语义模型的推荐算法研究成果,总结了常见的基于隐语义模型的推荐算法拓扑结构,并给出了未来的研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹健	上海交通大学计算机科学与技术系	147	2115	24.0	42.0
2	赵海燕		5	42	1.0	5.0
3	陈庆奎		5	42	1.0	5.0
4	王升升		1	41	1.0	1.0