联合成对排序的物品推荐模型

• 作者: 叶阳东 吴宾 孙中川 陈允
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 物品推荐 成对排序 协同过滤 隐式反馈 矩阵分解
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 学术通信
• 页码范围: 193-206
• 页数: 14页
• 分类号: TP181
• 字数: 11143字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2019137

摘要

现有的推荐模型大多仅从用户角度进行建模,忽略了物品的功能关系对用户购买决策的影响.从用户和物品这2个角度,同时考虑用户–物品之间的交互关系和物品–物品之间的功能关系,提出了联合成对排序的推荐模型.考虑正样本的排名位置和负采样策略直接影响模型收敛速度,构建一种排序感知的学习算法,用于求解所提模型的参数.实验结果表明,与当前主流推荐算法相比,该算法在多个评价指标上具有明显的性能优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶阳东	郑州大学信息工程学院	69	612	14.0	22.0
2	吴宾	郑州大学信息工程学院	4	24	3.0	4.0
3	陈允	郑州大学信息工程学院	1	1	1.0	1.0
4	孙中川	郑州大学信息工程学院	1	1	1.0	1.0