基于矩阵分解与随机森林的多准则推荐算法

• 作者: 林栢全 肖菁
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 多准则推荐 协同过滤 矩阵分解 随机森林 评分特征
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机科学与软件工程
• 页码范围: 117-122
• 页数: 6页
• 分类号: TP391
• 字数: 4781字
• 语种: 中文
• DOI: 10.6054/j.jscnun.2019036

摘要

为进一步提高基于多准则评分的推荐算法的推荐性能,着重分析已有的2种多准则推荐算法(基于张量分解的推荐算法和基于聚类与降维的模糊推理系统推荐算法).基于这2种算法在目标数据集上的运行结果,提出了基于矩阵分解与随机森林的多准则推荐算法.该算法分两步实现:首先通过矩阵分解训练得到用户对物品在各个准则上的评分特征,然后采用随机森林算法学习评分特征预测最终评分.实验结果显示:相较传统的多准则推荐算法,基于矩阵分解与随机森林的多准则推荐算法具有更高的准确性和实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖菁	华南师范大学计算机学院	13	108	6.0	10.0
2	林栢全	华南师范大学计算机学院	1	1	1.0	1.0