结合多信息的概率矩阵分解模型

• 作者: 古智星 古来 张若凡 许二敏 黄俊
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 协同过滤 用户属性 物品关系 时序行为 PMF
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 67-71
• 页数: 5页
• 分类号: TP301
• 字数: 3607字
• 语种: 中文
• DOI: 10.11907/rjdk.181146

摘要

为了改善传统协同过滤推荐算法的冷启动与数据稀疏问题,基于概率矩阵分解模型,将用户属性、物品关系与时序行为融合到模型中,通过不断调整3种模型所占权重,得到最小的RMSE值.在Movielens数据集上进行实验,并与其它相关算法的RMSE值进行比较.实验结果表明,结合多信息的概率矩阵分解模型的RMSE值低于其它推荐方法,即推荐精度优于其它方法.结合多信息的概率矩阵分解模型,在数据稀疏情况下,也能保持较好的推荐性能,推荐精度得到一定程度提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄俊	重庆邮电大学通信与信息工程学院	128	387	9.0	12.0
2	古来	重庆邮电大学通信与信息工程学院	2	4	1.0	2.0
3	张若凡	重庆邮电大学通信与信息工程学院	2	4	1.0	2.0
4	古智星	重庆邮电大学通信与信息工程学院	2	4	1.0	2.0
5	许二敏	重庆邮电大学通信与信息工程学院	4	4	1.0	2.0