基于SVD++与标签的跨域推荐模型

• 作者: 杨晓婷 邢长征
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 跨域推荐 热门惩罚系数 标签推荐 SVD++模型 推荐模型
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 225-230
• 页数: 6页
• 分类号: TP312
• 字数: 4817字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.04.036

摘要

在现有多数跨域推荐模型中,用户不能给指定项目添加标签,并且建立模型时未考虑用户的历史标签,导致推荐误差变大.针对上述问题,构建基于SVD++模型并融合标签推荐的跨域推荐模型TagSVD++.该模型继承SVD++模型利用评分数据预测的特点,加入用户和项目标签信息,通过标签使用次数反映用户喜好和项目特征,并且引入热门惩罚系数避免热门标签和项目对推荐预测的干扰.在真实电影和图书网站相关数据模拟的跨领域数据集上进行实验,结果表明,TagSVD++模型能有效提高跨域推荐的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢长征	辽宁工程技术大学电子与信息工程学院	41	277	10.0	14.0
2	杨晓婷	辽宁工程技术大学电子与信息工程学院	1	5	1.0	1.0