首页|融合因子分解的上下文推荐算法研究

融合因子分解的上下文推荐算法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
推荐系统作为帮助用户快速获取有用信息的重要工具之一,得到了深入的研究和广泛的应用.为了更好地挖掘基于上下文信息的推荐场景中"用户-项目-上下文"三者之间的潜在关系,定位用户可能的兴趣点,进而提升推荐准确度和用户体验.通过分析目前已有的关于上下文情景数据处理技术的原理和特点,在时间复杂度或者时效性方面仍存在着不足之处,这也是目前融合上下文推荐算法的研究重点和难点之一.针对推荐的时间复杂度高这一方面,提出了融合因子分解技术的推荐算法(FM-CR)来提升基于上下文推荐的效果,包括用户接受率和时间复杂度.经过实验证明,提出的融合因子分解技术的推荐算法(FM-CR)能够在保证用户的推荐接受率的情况下,使得产生推荐结果的时间效率有了明显提高.
Research on Context-Aware Recommender System with Factorization Machines

乔雨、圣文顺

展开 >

南京工业大学浦江学院 南京 211200

推荐系统 上下文信息 因子分解 时间复杂度 推荐接受率

江苏省高校自然科学研究面上项目

19KJD520005

2021

10.3969/j.issn.1672-9722.2021.06.017

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(6)
  • 7