一种基于动态角色标识和张量分解的推荐模型

• 作者: 刘媛妮 刘晏驰 刘红 肖云鹏
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 推荐系统 动态角色标识 张量分解 社交网络 兴趣漂移 稀疏性
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 569-574
• 页数: 6页
• 分类号: TP393
• 字数: 3975字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.03.008

摘要

社交网络推荐中,通常未依据用户兴趣变化进行用户角色动态标注,会造成推荐预测误差,并且用户评分数据稀疏造成评分预测不准确.根据以上问题,本文提出一种基于动态角色标识和张量分解的推荐模型.首先,针对用户角色无差别标识问题,引入信息熵指标度量用户兴趣多样性,对目标用户进行角色定量标识.其次,考虑到用户兴趣漂移现象,提出基于时间窗的动态角色标识方式,解决静态角色标识产生的个体评分数据无偏好差异问题,实现用户评分数据层次化处理.最后,为提高评分预测准确率,通过引入张量分解在数据维度转换和数据压缩的特性,构建基于"用户-项目-角色"张量分解的评分预测模型.同时,在张量分解的过程中,通过对数据缺失值处理,提高评分预测精度,生成目标用户推荐列表.实验表明,该方法缓解了用户无角色差异形成的预测误差问题,并能够有效改善评分数据稀疏情况下传统方法推荐精度不足的问题,提高推荐效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘红	重庆邮电大学网络与信息安全技术重庆市工程实验室	20	33	3.0	4.0
2	刘媛妮	重庆邮电大学网络与信息安全技术重庆市工程实验室	14	24	3.0	4.0
3	肖云鹏	重庆邮电大学网络与信息安全技术重庆市工程实验室	31	166	8.0	12.0
4	刘晏驰	重庆邮电大学网络与信息安全技术重庆市工程实验室	1	1	1.0	1.0