基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为解决隐式反馈推荐问题,贝叶斯个性化排序(BPR)模型已经成为最具有代表性的对级(Pairwise)排序算法之一.在BPR模型中,存在一个严格的偏序假设:相较于未标记的物品而言,用户更喜欢已经有过标记行为的物品.本文提出了一种多重对级贝叶斯个性化排序(MBPR)推荐算法来进一步提升用户对物品的偏好预测能力.首先,基于BPR模型的排序关系设计了一种改进的多重对级偏序假设.具体地,对于每一用户,本文提出将来标记的反馈集细分为潜在的负反馈集和不确定性反馈集,并基于改进的对级偏序假设,提出了一种新的多重对级排序的优化目标来学习用户与物品之间的相关性.为实现MBPR模型的采样任务,本文设计了一种自适应采样策略来为模型更新动态地选取训练样本.最后,在公开数据集上开展了仿真推荐实验,并与基线算法对比.实验结果表明,MBPR算法能够取得更好的推荐效果.
推荐文章
混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究
分层抽样统计
贝叶斯个性化排序
协同过滤
旅游景点
推荐模型
矩阵分解
面向个性化信息服务的模糊贝叶斯方法研究
数字图书馆
模糊贝叶斯方法
个性化服务
信息资源服务
基于朴素贝叶斯方法的个性化旅游路线推荐系统
朴素贝叶斯
个性化旅游路线
推荐系统
个性化微博推荐算法
微博
推荐
贝叶斯个性化排序(BPR)
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多重对级贝叶斯个性化排序算法
来源期刊 南京信息工程大学学报 学科 工学
关键词 推荐系统 隐式反馈 对级排序 协同过滤
年,卷(期) 2019,(3) 所属期刊栏目
研究方向 页码范围 302-308
页数 7页 分类号 TP391
字数 6326字 语种 中文
DOI 10.13878/j.cnki.jnuist.2019.03.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈恩红 中国科学技术大学大数据分析与应用安徽省重点实验室 87 1942 22.0 42.0
2 程明月 中国科学技术大学大数据分析与应用安徽省重点实验室 1 0 0.0 0.0
3 刘淇 中国科学技术大学大数据分析与应用安徽省重点实验室 12 386 6.0 12.0
4 李徵 中国科学技术大学大数据分析与应用安徽省重点实验室 3 4 1.0 2.0
5 于润龙 中国科学技术大学大数据分析与应用安徽省重点实验室 1 0 0.0 0.0
6 高维博 中国科学技术大学大数据分析与应用安徽省重点实验室 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (1)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(5)
  • 参考文献(0)
  • 二级参考文献(5)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(6)
  • 参考文献(1)
  • 二级参考文献(5)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
推荐系统
隐式反馈
对级排序
协同过滤
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京信息工程大学学报
双月刊
1674-7070
32-1801/N
南京市宁六路219号
chi
出版文献量(篇)
1162
总下载数(次)
7
总被引数(次)
4849
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导