PMUS-HOSGD张量分解方法及其在标签推荐中的应用

• 作者: 官磊 张宇娟 彭玉青 杨林 顾军华
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 标签推荐 数据稀疏性 张量构建 张量分解 惩罚机制 随机梯度下降
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 300-305,312
• 页数: 7页
• 分类号: TP311
• 字数: 6074字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048759

摘要

目前的标签推荐系统使用张量来存储“用户-资源-标签”三维数据,以挖掘三者之间潜在的语义关联.为更好地解决三维数据的稀疏性问题,避免张量填充造成的数据失真,提出基于标签惩罚机制的张量构建方法PMUS和基于随机梯度下降的张量分解方法HOSGD.利用标签惩罚机制和用户评分构建张量,使用随机梯度下降法对张量的展开矩阵进行分解.在此基础上,结合PMUS和HOSGD提出PMUS-HOSGD算法对数据进行处理,根据结果为用户进行个性化标签推荐.在数据集MovieLens上的实验结果表明,与CubeALS、HOSVD和CF算法相比,该算法能够有效提高标签推荐的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾军华	河北工业大学计算机科学与软件学院	113	947	16.0	26.0
5	官磊	河北工业大学计算机科学与软件学院	2	4	1.0	2.0
9	杨林	河北工业大学计算机科学与软件学院	3	43	2.0	3.0
13	张宇娟	河北工业大学计算机科学与软件学院	1	1	1.0	1.0