加入用户对项目属性偏好的奇异值分解推荐算法

• 作者: 刘真 张猛 李林峰 魏港明
• 来源期刊: 西安交通大学学报
• 关键词: 冷启动 奇异值分解 矩阵分解 项目属性
• 年，卷（期）: 2018,（5）
• 页码范围: 101-107
• 页数: 7页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.7652/xjtuxb201805015

摘要

由于目前的矩阵分解推荐算法在解决项目冷启动问题时,没有充分利用项目的属性偏好信息与用户评分行为的交互信息,因此提出了加入用户对项目属性偏好的奇异值分解推荐(UC-SVD)算法.该算法综合考虑项目属性和用户对项目的评分,不仅在矩阵分解算法中加入了项目的属性信息,同时通过对评分数据集和属性数据集的综合分析,得出用户对项目属性的偏好矩阵,将项目属性特征因子和用户对项目属性的偏好特征因子一并加入到矩阵分解中.在数据集Movielens、HetRec2011上进行实验,结果表明,与经典矩阵分解协同过滤算法相比,所提算法不仅在一定程度上解决了项目的冷启动问题,而且在同等条件下的均方根误差平均降低了3.5％,平均绝对误差平均降低了3％,尤其是在更为稀疏的HetRec2011数据集上,项目属性对用户评分行为的影响更加明显,改进算法在推荐精度上表现出更大的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘真	北京交通大学计算机与信息技术学院	20	143	7.0	11.0
2	张猛	北京交通大学计算机与信息技术学院	3	13	1.0	3.0
3	魏港明	北京交通大学计算机与信息技术学院	2	17	2.0	2.0
4	李林峰	北京交通大学计算机与信息技术学院	7	55	5.0	7.0