基于时间的局部低秩张量分解的协同过滤推荐算法

• 作者: 孙艳歌 王志海 黄丹
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 推荐系统 时间因素 张量分解 局部低秩
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 227-231
• 页数: 5页
• 分类号: TP311
• 字数: 5457字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.07.040

摘要

传统的推荐模型是静态的,忽略了时间因素.部分推荐算法虽然将时间因素考虑在内,但只是简单使用最近的数据或者降低过去数据的权重,这样可能会造成有用信息的丢失.针对这一问题,提出了一种考虑时间因素的局部低秩张量分解推荐算法.在传统的推荐算法的基础上,放松用户对项目的评分矩阵是低秩的这一假设,认为整个评分矩阵可能不是低秩的而是局部低秩的,即特定用户项目序偶的近邻空间是低秩的;同时又考虑时间因素,把评分矩阵看作是用户、项目和时间3个维度的张量,将传统的推荐算法延伸到张量领域.实验表明,所提算法能显著提升排名推荐性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志海	北京交通大学计算机与信息技术学院	64	491	11.0	20.0
2	孙艳歌	北京交通大学计算机与信息技术学院	14	76	6.0	8.0
6	黄丹	北京交通大学计算机与信息技术学院	8	34	4.0	5.0