基于时序模型和矩阵分解的推荐算法

• 作者: 文俊浩 牛冰慧 王喜宾 蔡海尼
• 来源期刊: 计算机应用研究
• 关键词: 推荐算法 概率矩阵分解 时序行为 行为预测
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1624-1627
• 页数: 4页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.06.005

摘要

时间序列数据是一种数据属性随时间变化的高维数据类型,反映了用户兴趣的动态变化.基于时序数据的推荐系统利用用户的行为时间提高推荐的准确性,但不适用于大规模数据集的推荐任务.矩阵分解方法是处理高维数据集时常用的降维方法.为此,提出一种基于时序模型和矩阵分解的推荐算法.基于该方法,首先利用矩阵分解提取原始时序数据的特征,然后通过时序模型挖掘特征的趋势,最后根据预测的特征得到预测结果并进行推荐.实验结果表明,所提出的算法与已有的推荐算法相比,在均方根误差(root mean square error,RMSE)和平均准确率(mean average precision,MAP)两个指标上均有较好表现,且适用于大规模数据的推荐任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文俊浩	重庆大学软件学院	132	1224	19.0	25.0
2	蔡海尼	重庆大学软件学院	9	81	6.0	9.0
3	牛冰慧	重庆大学软件学院	1	7	1.0	1.0
4	王喜宾	重庆邮电大学软件工程学院	3	10	2.0	3.0