基于社交信息和物品曝光度的矩阵分解推荐

• 作者: 孙中原 宁连举 林炜华 郑小林 韩勇
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 推荐系统 隐式反馈 物品曝光度 用户影响力 概率矩阵分解
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 计算机技术
• 页码范围: 89-98
• 页数: 10页
• 分类号: TP391
• 字数: 8563字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.01.010

摘要

为了解决隐式反馈推荐中的数据稀疏性和未观测值二义性,提出基于社交信息和物品曝光度的概率矩阵分解推荐算法.该算法通过对用户-用户社交矩阵进行矩阵分解来约束用户偏好潜在因子,一定程度上缓解了数据稀疏性问题;将物品曝光度作为观测值的条件,结合物品本身的流行度和用户的社交信息,对物品曝光度进行建模,解决未观测值的二义性.在Lastfm公开数据集上开展多个层次的实验和分析.结果表明,与已有的隐式推荐算法相比,在召回率、平均准确率(MAP)和归一化折损累计增益(NDCG)3个评价标准上都有一定程度的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑小林	浙江大学计算机科学与技术学院	31	301	11.0	16.0
2	宁连举	北京邮电大学经济管理学院	41	746	13.0	27.0
3	孙中原	北京邮电大学经济管理学院	6	17	2.0	4.0
4	韩勇	北京邮电大学经济管理学院	3	3	1.0	1.0
5	林炜华	浙江大学计算机科学与技术学院	1	2	1.0	1.0