引入时间效应的SVD++线性回归推荐算法

• 作者: 李小妹 章静芳 苏庆
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: SVD++模型 时间效应 特征向量 线性回归 推荐算法
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 65-71
• 页数: 7页
• 分类号: TP312
• 字数: 5379字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053427

摘要

针对传统协同过滤算法中的数据稀疏问题,在SVD++算法和线性回归模型的基础上引入时间效应属性,提出一种推荐算法timeSVD++ LR.采用SVD++算法将用户和项目信息与隐式反馈信息相融合映射到隐语义空间,将用户和项目之间的交互作用建模为该空间中的内积.通过描述用户和物品在各因子上的特征来解释评分值,在此基础上对时间效应建模,进一步提高预测结果的准确度.根据预测评分矩阵构造特征向量,将原始训练数据作为线性回归模型的输入,采用梯度下降算法优化最终代价函数,生成使得代价函数值最小的参数向量,同时将特征向量和参数向量代入预测模型求解预测评分.在MovieLens数据集上的实验结果表明,与RSVD、SVD++和timeSVD++算法相比,该算法的平均绝对误差和均方根误差均较低,其推荐准确性较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李小妹	广东工业大学计算机学院	11	77	5.0	8.0
2	苏庆	广东工业大学计算机学院	38	199	8.0	12.0
3	章静芳	广东工业大学计算机学院	2	9	1.0	2.0