首页|综合个人兴趣和平均偏好的矩阵分解推荐算法

综合个人兴趣和平均偏好的矩阵分解推荐算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
传统的兴趣推荐模型提升用户推荐精度的同时增加了计算耗时,没有考虑商品本身的平均偏好特性,导致推荐系统的表现不够理想.为解决上述问题,文中提出采用预分解方法快速计算得出用户的兴趣向量,可以加快模型运算速度,同时提升预测结果精度;并且论文进一步提出在模型中引入物品的平均偏好来改进top-N推荐算法,可以提升推荐结果的质量和效果.运用Netflix以及MovieLens数据集验证,实验结果表明,改进后的模型在推荐结果的质量方面优于原有模型,可以有效提高推荐效率,改善推荐准确度.
Matrix Factorization Recommendation Algorithm Combining Personal Interests and Average Preferences

张潇艺、高尚、邹海涛

展开 >

江苏科技大学计算机学院 镇江 212003

推荐系统 隐因子模型 矩阵分解 用户兴趣 平均偏好

61572242

2022

10.3969/j.issn.1672-9722.2022.12.022

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)：2022.50(12)
  • 2