基于动态标签偏好信任概率矩阵分解模型的推荐算法

• 作者: 杨亚东 熊庆国
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 协同过滤推荐 数据稀疏 冷启动 概率矩阵分解 标签偏好 期望最大法
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 160-166
• 页数: 7页
• 分类号: TP391
• 字数: 5287字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.10.027

摘要

为提高推荐算法性能,解决数据稀疏和冷启动因素造成的推荐精度不高的问题,提出一种改进的协同过滤推荐算法.基于三元组表示形式,利用标签集、用户集和项目资源集构建标签、用户以及项目之间的动态联系,并进行信任值评分矩阵的计算,使用信任评分矩阵融合协同推荐过程,构建概率矩阵分解模型,并基于期望最大法进行模型的求解.实验结果表明,与采用基于余弦、皮尔逊相关系数和启发式相似度模型的算法相比,该算法具有较低的绝对误差均值以及较高的覆盖率、精度与召回率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊庆国	武汉科技大学信息科学与工程学院	69	377	11.0	15.0
2	杨亚东	武汉科技大学信息科学与工程学院	2	10	2.0	2.0