引入用户情感的高阶奇异值分解推荐算法研究

• 作者: 刘建国 岳强 李仁德 郭强
• 来源期刊: 复杂系统与复杂性科学
• 学科: 地球科学
• 关键词: 推荐算法 HOSVD分解 用户情感 emoji表情
• 年，卷（期）: 2018,（4）
• 页码范围: 1-9
• 页数: 9页
• 分类号: N949
• 字数: 5831字
• 语种: 中文
• DOI: 10.13306/j.1672-3813.2018.04.001

摘要

传统的三阶奇异值分解推荐算法(HOSVD)通过挖掘用户、物品标签和物品三者之间的潜在关系进行推荐,然而该方法并没有将用户的情感考虑进来.基于从评论中emoji表情提炼出的用户情感偏好,提出了一种引入用户情感的HOSVD推荐算法.该方法将emoji表情分成积极、中立和消极三类,分别给每类情感赋予不同的权重,之后计算不同类emoji表情数量的加权和来表征用户的情感;再引入三阶张量模型,应用HOSVD分解进行个性化推荐.在某在线互联网教育的实证数据集上的实验结果表明,该方法比基于物品的协同过滤算法、PersonalRank算法和采用用户-社刊分类-社刊三元组信息的HOSVD算法在准确率和召回率性能指标上都有明显提升,其中进行Top-1推荐时,准确率和召回率可以达到0.353和0.281.这为移动通信端的个性化推荐提供了借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭强	上海理工大学复杂系统科学研究中心	55	568	8.0	23.0
2	李仁德	上海理工大学复杂系统科学研究中心	17	40	3.0	6.0
3	刘建国	上海财经大学金融科技研究院	24	36	4.0	5.0
4	岳强	上海理工大学复杂系统科学研究中心	3	1	1.0	1.0