一种基于用户兴趣转移挖掘的流式推荐算法

• 作者: 刘永坚 唐伶俐 解庆 陈建宗
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 推荐系统 兴趣转移 流数据挖掘 增量矩阵分解
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 59-65
• 页数: 7页
• 分类号: TP39
• 字数: 7123字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.010

摘要

推荐系统是当下解决信息超载的有效方法,但由于用户兴趣转移现象的存在,传统推荐系统在时间跨度较长的应用场景下表现并不理想.为了解决该问题,提出一种基于用户兴趣转移挖掘的流式推荐算法.根据资源的种类信息构建资源特征向量,采取增量更新方法,根据流数据实时更新模型参数,避免了传统增量矩阵分解模型中的拟合残差扩大问题.模型结合提出的两种新型遗忘机制,能够有效区分用户历史数据中的临时偏好与长期偏好,从而在遗忘用户过时数据的同时,保留用户的长期偏好.在电影推荐数据集中进行实验,证明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘永坚	武汉理工大学计算机科学与技术学院	25	35	3.0	5.0
2	唐伶俐	武汉理工大学计算机科学与技术学院	13	5	2.0	2.0
3	解庆	武汉理工大学计算机科学与技术学院	8	3	1.0	1.0
4	陈建宗	武汉理工大学计算机科学与技术学院	1	0	0.0	0.0