融合多数据源的动态自适应推荐算法

• 作者: 卢菁 陈晓霞
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 音乐推荐 多数据源 推荐系统 自适应融合 动态调整
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 64-69
• 页数: 6页
• 分类号: TP391
• 字数: 5662字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048497

摘要

现有推荐系统的研究多数基于单一数据源、单一推荐算法或简单加性融合,忽略了数据源及算法动态融合的重要性,导致推荐精确度不高.为解决该问题,提出一种新的动态自适应推荐算法.利用基础数据求出艺术家流行度和时间衰减因子,将其作为推荐数据源,降低由数据源单一导致的推荐误差.通过权重因子集成基于邻域方法和矩阵分解技术构建组合模型.将数据源应用于模型,运用固定步长的权重因子调整2种方法在模型中的占比,根据推荐结果的召回率实现动态自适应调整.在真实数据集上的实验结果表明,与简单加性融合、FSWA算法相比,该算法具有较高的推荐精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢菁	上海理工大学光电信息与计算机工程学院	22	35	4.0	4.0
2	陈晓霞	上海理工大学光电信息与计算机工程学院	2	0	0.0	0.0