融合主题模型和协同过滤的多样化移动应用推荐

• 作者: 何军 刘红岩 杜小勇 林川杰 黄璐
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 主题模型 矩阵分解 推荐系统 推荐多样性 协同过滤
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 大数据管理技术专刊
• 页码范围: 708-720
• 页数: 13页
• 分类号: TP311
• 字数: 13193字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005163

摘要

随着移动应用的急速增长,手机助手等移动应用获取平台也面临着信息过载的问题.面对大量的移动应用,用户很难找到最适合的;而另一方面,长尾应用淹没在资源池中不易被人所知.已有推荐方法多注重推荐准确率,忽视了多样性,推荐结果中多是下载量高的应用,使得推荐系统的数据积累越来越偏向于热门应用,导致长期的推荐效果越来越差.针对这一问题,首先改进了两种推荐方法,提出了将用户的主题模型和应用的主题模型与MF相结合的LDA-MF模型,以及将应用的标签信息和用户行为数据同时加以考虑的LDA_ CF算法.为了结合不同算法的优点,在保证推荐准确率的条件下提升推荐结果的多样性,提出了融合LDA_MF,LDA_CF以及经典的基于物品的协同过滤模型的混合推荐算法.使用真实的大数据评测所提推荐算法,结果显示,所提推荐方法能够得到推荐多样性更好且准确率更高的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘红岩	清华大学经济管理学院	17	784	6.0	17.0