融合用户评论的矩阵分解推荐算法

• 作者: 胡胜利 谭青
• 来源期刊: 常州大学学报（自然科学版）
• 学科: 工学
• 关键词: 矩阵分解 用户评论 主题模型 正则化项 推荐算法
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 69-75
• 页数: 7页
• 分类号: TK8
• 字数: 4581字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-0411.2018.04.012

摘要

针对传统协同过滤算法中存在的数据稀疏性和单一利用用户的评分行为进行推荐的问题,提出了一种融合用户评论的矩阵分解推荐算法(USRMF).该算法首先利用主题模型产生用户评论文本的主题分布,并结合评分提取出准确的用户兴趣和物品特征,然后结合用户兴趣和物品特征,通过余弦相似度计算分别得到用户和物品的最近邻,最后将最近邻的正则化项引入到矩阵分解模型中.实验中将USRMF算法与传统的协同过滤算法、正则化矩阵分解算法进行比较,结果表明USRMF算法在稀疏的数据集上能够提高推荐的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡胜利	安徽理工大学计算机科学与工程学院	25	75	6.0	8.0
2	谭青	安徽理工大学计算机科学与工程学院	1	2	1.0	1.0