引入隐式反馈的多维度推荐算法

• 作者: 刘美博 刘鸣 彭成 满君丰
• 来源期刊: 计算机应用研究
• 关键词: 推荐算法 隐式反馈 多维度 云模型 MapReduce
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 158-162
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.04.0376

摘要

针对显式反馈信息作出的推荐在准确率和数据稀疏性处理上还存在缺陷的问题,引入隐式反馈信息,设计和实现了一种引入隐式反馈的多维度推荐算法(iMCF).该算法涵盖用户、项目和隐式反馈三个维度的信息.对于前两个维度的信息,通过云模型相似度建模;而隐式反馈维度的信息主要是结合概率矩阵分解模型进行处理.之后再把这三个维度得出的预测评分根据权值进行平衡,得出最终预测评分并作出推荐.实验数据表明,该算法在召回率和准确率上的表现相对于其他算法有了较为明显的提升,且适合大数据环境.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	满君丰	湖南工业大学计算机学院	69	258	9.0	12.0
2	彭成	湖南工业大学计算机学院	30	49	3.0	6.0
3	刘鸣	湖南工业大学计算机学院	8	18	2.0	4.0
4	刘美博	湖南工业大学计算机学院	4	4	1.0	1.0