融合因子分解机和用户行为预测的音乐推荐

• 作者: 李石君 潘洋 陈盛双
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 音乐推荐 因子分解机 行为预测 数据挖掘
• 年，卷（期）: 2017,（17）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 101-107
• 页数: 7页
• 分类号: TP391
• 字数: 7160字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0018

摘要

针对传统音乐评分推荐模式用户评分缺失和主观差异性较大等问题,通过提取用户行为数据构建行为特征模型,用以分析用户行为与兴趣的关联性,并采用因子分解机(Factorization Machine,FM)预测用户行为类型,作为音乐推荐的依据.将FM应用到该方法中,充分利用音乐和用户属性特征,并且通过模拟用户行为特征数据中的隐因子来填充推荐的稀疏矩阵,降低数据稀疏对预测的影响.与传统音乐推荐方法相比,从用户历史行为中挖掘用户兴趣倾向以解决评分模型带来的问题更具可行性,实验结果表明该方法用于音乐推荐也具有良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈盛双	武汉理工大学理学院	39	180	8.0	11.0
2	李石君	武汉大学计算机学院	88	753	16.0	22.0
3	潘洋	武汉理工大学理学院	2	2	1.0	1.0