基于四阶奇异值分解的推荐算法研究

• 作者: 刘建国 岳强 李仁德 郭强
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 四阶 多维信息 推荐算法 奇异值分解
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 复杂性科学
• 页码范围: 586-594
• 页数: 9页
• 分类号: TP301.6
• 字数: 7400字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0548.2019.04.017

摘要

三阶奇异值分解推荐算法可以综合考虑用户、物品标签和物品三部分信息,挖掘三者之间的潜在关系进行推荐,然而该方法并没有引入其他方面的有效信息,如用户情感.为了考虑更多维度的信息,本文在三阶奇异值分解推荐算法的基础上,提出了一种加入用户情感信息的四阶奇异值分解推荐算法.该方法基于从评论中的emoji表情提炼出的用户情感偏好,再引入四阶张量模型,存储用户、用户情感、物品标签和物品四元组数据,应用四阶奇异值分解,从而进行个性化推荐.在某在线互联网教育的实证数据集上的实验结果表明,该方法比三阶奇异值分解推荐算法以及传统推荐算法在准确率和召回率性能指标上都有明显提升,其中进行Top-1推荐时,准确率和召回率可以达到0.513和0.339.本文的工作为移动通信端的个性化推荐提供了借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭强	上海理工大学复杂系统科学研究中心	55	568	8.0	23.0
2	李仁德	上海理工大学复杂系统科学研究中心	17	40	3.0	6.0
3	刘建国	上海财经大学会计与财务研究院	24	36	4.0	5.0
4	岳强	上海理工大学复杂系统科学研究中心	3	1	1.0	1.0