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 |
|