音乐个性化推荐算法RR-UBPMF的研究

• 作者: 叶西宁 王猛
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 推荐系统 协同过滤 排名倒数 概率矩阵分解 KNN
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 113-118
• 页数: 6页
• 分类号: TP391
• 字数: 4097字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.2017.01.018

摘要

大规模隐式反馈数据的使用是推荐系统中的研究热点和难点问题.针对隐式反馈数据高噪声和缺少负反馈的特点,以音乐推荐为背景,在研究概率矩阵分解模型(PMF)的基础上提出了一种直接优化排名倒数(RR)的概率矩阵分解模型(RR-PMF).通过与User-based KNN算法相结合提出了RR-UBPMF算法,并利用交叉最小二乘法(ALS)进行优化学习.在last.fm数据集上的实验结果表明,该算法在准确率(Precision)、尤其是在标准化折算累加值(NDCG)等评价指标上表现出极大的优势,能够明显提高预测准确性,并且具有良好的可拓展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶西宁	华东理工大学信息科学与工程学院	19	200	6.0	14.0
2	王猛	华东理工大学信息科学与工程学院	2	8	2.0	2.0