基于置信度加权的单类协同过滤推荐算法

• 作者: 唐晓亮 洪倩 王佳伟 郭伟
• 来源期刊: 计算机应用研究
• 关键词: 推荐系统 单类协同过滤 隐性反馈 置信度加权 异构置信度优化
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3618-3623,3627
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.12.021

摘要

针对推荐系统中单类协同过滤(OCCF)可解释性差、数据噪声多的缺陷,提出了一种基于置信度加权的单类协同过滤推荐算法.算法通过置信度函数将用户隐性反馈映射为置信概率,并将该函数集成到隐性反馈推荐模型(IFRM)框架中,形成了隐性反馈置信度加权推荐模型(CWIFRM);在此基础上,针对CWIFRM基于随机梯度下降提出了异构置信度优化算法.实验结果表明,该模型在多个数据集上都具有更好的推荐效果,异构置信度优化算法使推荐质量得到了进一步提高,验证了CWIFRM具有较强的适用性、可解释性和抗噪声能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭伟	辽宁工程技术大学软件学院	39	175	7.0	11.0
2	唐晓亮	辽宁工程技术大学软件学院	13	50	5.0	6.0
3	王佳伟	辽宁工程技术大学软件学院	1	4	1.0	1.0
4	洪倩	辽宁工程技术大学软件学院	2	4	1.0	2.0