|
|||||
|
|
| 结合多信息的概率矩阵分解模型 | |
| 引用本文： | 古来,黄俊,张若凡,古智星,许二敏.结合多信息的概率矩阵分解模型[J].教育技术导刊,2018,17(9):67-71. |
| 作者姓名： | 古来 黄俊 张若凡 古智星 许二敏 |
| 作者单位： | 重庆邮电大学 通信与信息工程学院，重庆 400065 |
| 摘 要： | 为了改善传统协同过滤推荐算法的冷启动与数据稀疏问题，基于概率矩阵分解模型，将用户属性、物品关系与时序行为融合到模型中，通过不断调整3种模型所占权重，得到最小的RMSE值。在Movielens数据集上进行实验，并与其它相关算法的RMSE值进行比较。实验结果表明，结合多信息的概率矩阵分解模型的RMSE值低于其它推荐方法，即推荐精度优于其它方法。结合多信息的概率矩阵分解模型，在数据稀疏情况下，也能保持较好的推荐性能，推荐精度得到一定程度提升。 |
| 关 键 词： | 协同过滤 用户属性 物品关系 时序行为 PMF |
| 点击此处可从《教育技术导刊》浏览原始摘要信息 | |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 | |