融合双重正则化机制的低秩矩阵分解推荐模型

• 作者: 张昊男 郁雪
• 来源期刊: 计算机应用研究
• 关键词: 推荐系统 协同过滤 矩阵分解 社会化正则 稀疏性
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 977-981,985
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.09.0739

摘要

基于矩阵分解技术的社会化推荐通过加入用户信任关系来加强学习准确性,但忽略了物品之间的关联信息在模型分解过程中对用户兴趣的影响.对此首先提出在物品相似度计算方法中加入用户参与度进行改进,并构建了融合物品关联正则项和信任用户正则项双重约束的矩阵分解推荐模型,在优化隐式特征矩阵过程中体现了物品之间的关联信息对推荐的重要影响.最后通过对两个不同稀疏级别的数据集的实验证明,相比主流的矩阵分解模型,提出的双重正则项的矩阵分解模型能够提高稀疏数据集上预测评分的准确性,并能明显缓解用户冷启动问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郁雪	天津大学管理与经济学部	10	143	6.0	10.0