基于用户信任和评分偏置的正则化推荐模型

• 作者: 任晓军 朱爱云
• 来源期刊: 现代计算机
• 关键词: 协同过滤 矩阵分解 推荐系统 梯度下降
• 年，卷（期）: 2018,（15）
• 所属期刊栏目: 研究与开发
• 页码范围: 28-33
• 页数: 6页
• 字数: 4885字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2018.15.006

摘要

在传统推荐系统中,特别是协同过滤推荐系统已得到广泛的研究,但是它们忽视了用户之间的社会关系,事实上,这些社会关系能够提高推荐系统的准确度.近年来,基于社会关系的推荐系统已经成为一个热门的研究方向.为了进一步提高系统推荐的准确性,提出一个社会正则化方法,即整合用户的直接朋友关系和评分偏置信息到推荐系统中构建正则化模型,然后采用一种随机梯度下降法对该矩阵进行分解,得到用户潜在特征和物品潜在特征.最后在真实数据集上的实验结果表明所提出的算法与现有相关算法比较具有较好的性能.