联合正则化的矩阵分解推荐算法

• 作者: 叶阳东 吴宾 娄铮铮
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 矩阵分解 联合正则化 推荐系统 协同过滤 社交网络
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2681-2696
• 页数: 16页
• 分类号: TP18
• 字数: 12056字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005274

摘要

推荐系统已成为一种解决信息过载和帮助用户决策的有效工具.当前的研究表明,结合社会关系的推荐模型能够提升推荐的性能.然而,已有的社会化推荐模型大都忽略了物品之间的关联关系对推荐性能的影响.针对此问题,提出一种度量物品之间关联程度的方法,并将其用于获取物品之间的关联关系.然后,将关联关系与社会关系相结合,提出一种基于联合正则化的矩阵分解推荐模型,并证明了联合正则化是一种加权的原子范数.最后,根据提出的模型构建了一种推荐算法CRMF.在4个真实数据集上的实验结果表明:与主流的推荐算法相比,该算法不仅可以缓解用户的冷启动问题,而且更能有效地预测不同类型用户的实际评分.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶阳东	郑州大学信息工程学院	69	612	14.0	22.0
2	吴宾	郑州大学信息工程学院	4	24	3.0	4.0
3	娄铮铮	郑州大学信息工程学院	12	89	5.0	9.0