基于矩阵分解的个性化推荐系统研究
2017-07-18张时俊王永恒
中文信息学报 2017年3期
张时俊,王永恒
(湖南大学 信息科学与工程学院,湖南 长沙 410082)
基于矩阵分解的个性化推荐系统研究
张时俊,王永恒
(湖南大学 信息科学与工程学院,湖南 长沙 410082)
随着社交网络的快速发展,用户在使用社交应用时会产生大量有价值的数据。通过对社交网络进行数据挖掘,发现隐藏在数据中关联用户与物品之间的偏好关系。然后对用户建模分析,选择合适的推荐引擎进行个性化物品推荐,这是一个非常有价值的研究方向。该文重点研究矩阵分解算法对处理大规模用户与物品评分矩阵的推荐效果,为了提高推荐的准确度展开了对用户社交关系和隐性反馈的研究,在组合预测模型中加入社交关系、人口统计学信息配置项、用户的消费记录等隐因子项,通过实验验证了扩展之后的混合预测模型在RMSE值上比SVD算法降低了0.259 475,在推荐性能有较大幅度的提高。
矩阵分解;个性化推荐系统;社交网络;用户建模
1 引言
随着社交网络和电子商务的快速发展,推荐系统在学术界和工业界的研究变得日益火热。搜索引擎和推荐系统都是解决信息过载问题的有力工具,搜索引擎是一种主动式搜索信息工具,用户通过关键字在搜索引擎上找到想要的信息。推荐系统是自主的提供信息推荐工具,它学习用户的历史行为数据,获取用户的兴趣偏好,将物品列表以topN顺序推荐给用户。推荐系统广泛应用于社交网络中,近年来越来越多的用户在使用社交网络,如国外的Facebook、Twitter国内的微博等。……
登录APP查看全文
