基于用户近邻的N维张量分解推荐算法

• 作者: 孙亚军 陈健美
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 协同过滤算法 反馈信息 主成分分析 张量分解 推荐算法
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 193-197
• 页数: 5页
• 分类号: TP391
• 字数: 4363字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.11.031

摘要

基于张量分解的推荐算法存在推荐精度较低和数据稀疏的问题.为此,在传统的张量分解模型基础上,引入用户近邻信息,提出一种新的N维张量分解算法.利用上下文感知信息,把隐式反馈信息作为张量的第3维度,以建立N维张量分解模型,为进一步提高推荐质量,加入用户近邻信息来优化N维张量分解模型,以提高张量分解推荐算法的准确率.实验结果表明,融合用户近邻的张量分解推荐算法比传统的张量分解算法具有更好的准确性,能有效解决稀疏性和准确性问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈健美	江苏大学计算机科学与通信工程学院	47	426	11.0	18.0
2	孙亚军	江苏大学计算机科学与通信工程学院	19	117	7.0	10.0