基于用户类别偏好相似度和联合矩阵分解的推荐算法

• 作者: 何海洋 王勇 蔡国永
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 推荐系统 联合矩阵分解 用户类别偏好 评分预测
• 年，卷（期）: 2018,（1）
• 页码范围: 179-185
• 页数: 7页
• 分类号: TP391.4
• 字数: 5173字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.01.020

摘要

利用上下文信息来提高推荐准确率并增强用户体验是当前推荐领域研究热点之一,然而现有的上下文感知推荐算法依然面临数据稀疏性问题的挑战.为了进一步缓解数据稀疏性问题,本文提出一种基于用户类别偏好相似度及联合矩阵分解的推荐算法(Joint matrix factorization with user category preference,JM F-UCP),它结合用户评分数据及用户类别偏好进行物品推荐,以解决用户评分数据稀疏时评分预测准确率低的问题.算法的时间复杂度随着数据量的增加呈线性增长,因此适用于大规模数据.通过在真实数据集Movielens上的实验结果表明,本文提出的方法在RMSE评价指标上优于现有代表性的算法,验证了本文所提出的推荐算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇	桂林电子科技大学计算机与信息安全学院	178	1032	16.0	23.0
10	蔡国永	桂林电子科技大学计算机与信息安全学院	98	400	12.0	15.0
14	何海洋	桂林电子科技大学计算机与信息安全学院	1	0	0.0	0.0