加权高效用因子的两阶段混合推荐算法

• 作者: 孙福振 张旭 方春
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 两阶段 高效用因子 靶向因子 主题模型 用户兴趣 混合推荐 用户效用 评分倾向
• 年，卷（期）: 2019,（3）
• 页码范围: 518-524
• 页数: 7页
• 分类号: TP311
• 字数: 5802字
• 语种: 中文
• DOI: 10.11992/tis.201710028

摘要

传统协同过滤算法大多是围绕如何降低评分误差展开研究,未涉及用户评分过程.本文考虑到用户评分动机和用户本身评分倾向的情况,将用户评分过程分为用户评分和物品选择两个阶段,从预测用户兴趣概率和用户效用角度出发,采用潜在狄利克雷分布模型(LDA)挖掘出用户潜在高效用因子和物品被靶向概率因子,进而将两种因子加权融合作为第一阶段;第二阶段采用奇异值分解预测用户评分值并根据该评分值选择物品.综上,本文提出一种加权高效用因子的两阶段混合推荐算法(hybrid recommendation algorithm based on two-phase weighted high utility factor,Htp_Uf).在MovieLens数据集上,实验结果表明,该算法在归一化累计折损增益(NDCG)和1-Call两种评价标准下优于其他4种推荐算法,能够有效提高推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙福振	山东理工大学计算机科学与技术学院	36	108	4.0	9.0
2	方春	山东理工大学计算机科学与技术学院	13	14	2.0	3.0
3	张旭	山东理工大学计算机科学与技术学院	13	14	2.0	2.0