基于Pairwise排序学习的因子分解推荐算法

• 作者: 吴定会 周俊宇 戴月明
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Pairwise 因子分解 协同过滤 分类 排序学习
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 算法
• 页码范围: 255-259
• 页数: 5页
• 分类号: TP3
• 字数: 5372字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.06.061

摘要

针对基于内存的协同过滤推荐算法存在推荐列表排序效果不佳的问题，提出基于Pairwise排序学习的因子分解推荐算法（简称Pairwise-SVD推荐算法）。新算法将因子分解的预测结果作为排序学习算法的输入，把排序问题转化成分类问题使用排序学习理论进行排序产生推荐列表。实验结果表明相比基于内存的协同过滤推荐算法，Pairwise-SVD推荐算法的排序效果更佳。其在指标Kendall-tau上提高了近一倍，在指标MRR上提高了近30％，且在指标MAP上也有小幅提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴月明	江南大学物联网工程学院	52	301	10.0	13.0
2	吴定会	江南大学物联网工程学院	119	542	11.0	16.0
3	周俊宇	江南大学物联网工程学院	2	3	1.0	1.0